Long-Short Term Memory双向长短期记忆bias偏置偏差 big data大数据Boltzmann machine玻尔兹曼机C CPUCentral Processing Unit中央处理器
摘要魅族是一家智能手机研发公司，也是一家互联网公司，拥有超大规模的用户量及海量数据量，魅族推荐平台实现了在海量的数据中对算法模型进行在线及离线训练，在高并发的场景下实时进行预测为用户推荐更感兴趣的信息。 推荐介绍推荐能做什么推荐可以在合适的场景或时机，通过合适的渠道，把相关内容推荐给合适的用户。推荐的作用推荐可以提升整体的系统目标，增加用户粘性，提高用户忠诚度，发现长尾。推荐在魅族中的应用? 魅族推荐平台架构演进推荐平台需要做的事平台的核心需求：支撑5个以上的大产品线的不同场景的推荐业务需求，保证业务稳定运行，可用性达到99.9%，推荐场景当次请求响应在100毫秒以内，一天需要支撑亿级别的PV 推荐平台第二代架构——存在的问题模型离线训练，用户实时产生的行为无法反馈到模型当中；业务混布，各业务之间相互影响；由于把离线的部分计算放到线上进行计算，在请求过程中计算量增大，系统相应时长挑战增大；业务接入越多 AB测试模块在推荐平台中最重要的一个功能就是AB测试，AB测试主要是对用户进行抽样分流道不同的算法组合当中，最后通过评估数据来驱动算法工程师对算法效果不断的进行调优。
云服务器1核2G首年38元，还有多款热门云产品满足您的上云需求
AI领域开源框架推荐 AutoML开发框架 AutoML全称是Automated Machine Learning，即自动机器学习，听起来是不是很酷，没错的确很酷，如果感兴趣的话可以读一下我们实验室写的 https:zhuanlan.zhihu.comp158162306zhuanlan.zhihu.com 至于开发框架主要以基于深度学习的为主推荐一下几个： 利益相关首先推荐 Vega，之前写了一篇介绍 https:zhuanlan.zhihu.comp258362976zhuanlan.zhihu.com 第二个推荐巨硬的 NNI, 易用性很强，下至胎儿，上至100岁都很容易上手。 mit-han-labe3dgithub.com 基于Pytorch深度定制的开发框架 首推Pytorch-lightning ，目前已经更新到1.0版本，这个库的易用性是保姆级别的，TPU、GPU、 www.zhihu.com 目标检测 首推鼎鼎大名的mmdetection https:github.comopen-mmlabmmdetection 当然Pytorch官方的 Detectron2
AI领域开源框架推荐AutoML开发框架AutoML全称是Automated Machine Learning，即自动机器学习，听起来是不是很酷，没错的确很酷，如果感兴趣的话可以读一下我们实验室写的 https:zhuanlan.zhihu.comp158162306zhuanlan.zhihu.com至于开发框架主要以基于深度学习的为主推荐一下几个：利益相关首先推荐 Vega，之前写了一篇介绍 第二个推荐巨硬的 NNI, 易用性很强，下至胎儿，上至100岁都很容易上手。反正Vega和NNI选哪个都不差microsoftnnigithub.com? 基于Pytorch深度定制的开发框架首推Pytorch-lightning ，目前已经更新到1.0版本，这个库的易用性是保姆级别的，TPU、GPU、多机多卡、amp等一大堆功能都给你弄好了https:github.comPyTorchLightningpytorch-lightninggithub.comtorchline www.zhihu.com目标检测 首推鼎鼎大名的mmdetection https:github.comopen-mmlabmmdetection ?
直播3_副本.jpg目前直播平台存在严重的同质化现象，每个平台都想开创新的领域和功能再吸一波人流，AI直播似乎是一个好的选择，AI虚拟直播将很多真人直播不能实现的操作变成了可能，这种新颖的直播方式定会吸引很多观众眼球 直播软件系统_副本.jpgAI直播需要借助人脸识别技术才能实现，AI人物并不是完全凭空想象的，需要借助某个人或图作为参考物体，通过人脸扫描技术进行模拟演变，人脸识别技术很常见，很多美颜SDK中都有这个功能 ，但完全适应AI技术的人脸识别SDK费用很高，很多中小型企业负担不起，在后期维护上也是一大笔费用，这也是AI直播得不到普及的原因之一。 直播软件系统源码 (4)_副本.jpgAI直播虽然还没得以实现，但AI智能推荐已经被各大直播平台应用，AI通过智能推荐算法进行观众用户画像分析，通过系统分析每个用户的观看喜好来添加每个用户的兴趣标签，在推荐内容时根据观众的兴趣标签推荐相关内容 不过这种AI算法还没有得到普及，中小型直播平台还不具备对观众大数据的处理能力，不对用户进行兴趣内容推荐，用户流失率会慢慢增加，最后导致平台死亡，降低AI技术的门槛也是保持直播行业继续发展的有效途径。
AI 技术在内容生产环节的应用 AI 技术在快手平台内容生产环节应用非常广泛，其中美颜、美体、自动字幕、自动配音是标配的基础 AI 能力；智能变声、魔法表情、ARMR、智能视频创作、虚拟主播等属于高级 该功能背后用到了多模态理解细粒度元素的系统，其中包含细粒度主体检测和检索功能。 AI 技术在内容分发环节的应用 在内容分发侧，快手团队将 AI 技术和推荐技术做了融合。 在快手平台上，推荐是无处不在的，推荐场景也有众多差异，例如单列精选页、上下滑形态、双列发现页等等。关注页的推荐融合了社交信息，同城页融入了地理信息，以此类推。 不同的推荐场景背后使用的推荐模型也大有不同。快手在推荐系统方面研发了一个超过 1.9 万亿参数的模型，其中还深度融合了内容理解能力。 举两个简单例子展示内容理解 AI 技术和推荐系统结合的实例：1、视频的冷启动。一个新视频上传到平台做完结构化理解后，最初并没有其他用户的反馈，很多基于用户行为的推荐方法最开始是无效的。
TEG书知道本期特邀腾讯TEG AI Lab专家姚建华、腾讯TEG AI平台部工程平台中心负责人罗敏、腾讯TEG AI Lab专家李志鋒，为大家带来AI方向好书推荐。 大牛推荐语： 这本书从理论和实际应用介绍两方面医学影像处理中的主要技术，包括分割，配准和基本图像处理和分析。以开源软件ITK为例子，具有很高实用价值。 ? 罗敏， 腾讯TEG AI平台部工程平台中心负责人，加入腾讯以来，参与过海量存储、网页搜索、垂直搜索等技术的研发和团队管理，目前在AI平台部主要负责图像视觉、语音相关技术的研发和业务支持。 大牛推荐语： 值得反复品味的一本书，通俗易懂，培养大家化繁为简，用数学去解决工程问题的思维习惯，这是成为一名优秀工程师必需的素质，尤其在AI时代，我们不再是面对0和1的问题，而是要去解决更多不确定性的问题 大牛推荐语：来自团队机器学习工程组的推荐，可以说是国内第一本讲分布式机器学习的书， 分布式机器学习是一个系统工程，涉及数据、模型、算法、通信、硬件等许多方面，这本书从理论、算法和实践等多个方面给出了系统
| 引入MilvusMilvus 向量相似度搜索引擎可以对接包括图像处理、机器视觉、自然语言处理、语音识别、推荐系统以及新药发现等 AI 模型，为向量化后的非结构数据提供搜索分析服务。 | 房源推荐系统介绍在房源推荐系统中主要是采用的相似推荐方法，根据”物以类聚，人以群分“定理，当用户对某房源比较感兴趣时，就为用户推荐与之相似的房源信息。 基本上所有的推荐算法都是在计算相似度，包括用户相似度或者物品相似度，所以说推荐算法中相似性计算是基础，接下来将简单介绍相似推荐的算法：算法思想 基于用户的收藏找到相似的房源，然后将这些相似性排序较高的房源推荐给用户 Milvus 的目标是成为 AI 产业中占绝对主导地位的通用 AI 数据处理平台，通过将成熟的 AI 模型结合 Milvus 向量搜索引擎够快速的将 AI 技术落地到各种业务场景中，相信我们一定会结合 | 结语贝壳搜索平台主要负责公司中的搜索业务，实现房源的搜索和推荐，目前已经有基于 Elasticsearch 的文件搜索平台、基于 Dgraph 的图数据库、以及基于 Milvus 的向量搜索平台。
演讲人：黄仁勋 NVIDIA 创始人兼 CEO 20181121 周三 10：00 - 12：00 | 主会场 三层金鸡湖厅可解释性、鲁棒性和公平性：THUIR 个性化推荐研究进展 推荐系统在人们日常生活工作中发挥着越来越大的作用 ，电子商务、社会媒体交流、信息流浏览中个性化推荐都是必不可少的部分。 这个报告将介绍我们清华大学信息检索课题组在个性化推荐中基于深度学习模型开展的一些最新研究工作进展，包括推荐的可解释性、用户满意度研究、以及面向冷启动问题的融合协同过滤和内容推荐的统一模型等。 为了加速开发新的 AI 算法并将其部署到生产环境中，机器学习平台是必不可少的。TensorFlow 是一个开源的机器学习平台，它易于使用，同时提供了从研究到生产的动力和灵活性。 大屏ai助理。电视+ai，这个明星是谁，内容推荐？这个动物是啥，自动剪辑。换衣服。 内容审核平台。网络电视的内容营销。vip降低了广告收入，新的广告创意。增加广告位。
智能算法到底是什么 当下AI推荐机制下催生的内容平台大致可分为四类，分别是以今日头条为代表的新闻内容平台，以知乎为代表的知识问答平台，以抖音、快手为代表的短视频平台和以网易云音乐为代表的流媒体音乐平台。 尽管应用领域有所不同，各款产品的特性和生态布局也有差异，但是在个性化推荐机制的设计上，万变不离其宗，它们的心思如出一辙。总体来看，AI推荐机制的框架设计基于三个维度。 人工管理与AI算法之间的博弈今天，将推荐机制用到极致的平台中，不得不提今日头条。它通过将用户分享和AI智能推荐机制很好的融合在一起，并以此“上位”。 而随着影响力的扩大，今日头条的算法推荐漏洞亦于无形中被放大，终被推上了风口浪尖。 作为坐拥7500万用户的音乐服务平台，Spotufy坚持用大量的数据进行个性化推荐，而人工挑选和推荐音乐一直是Apple Music的重要卖点。
强化学习技术这一 AI 领域的重要技术方向，在最近这波 AI 浪潮中，由 AlphaGo 而逐渐被人们所熟知。在推荐和广告算法领域，强化学习也在成为重要的技术趋势。 快手平台上每天有数亿用户进行短视频内容的消费，而这背后有业界最大规模之一的推荐系统提供支持。超大规模的推荐系统也为最前沿的 AI 技术提供了创新平台。 每个人都有机会与顶尖 AI 对战除了视频推荐之外，快手的强化学习技术也已应用在了旗下的多款小游戏中。如果你玩过快手平台的斗地主、五子棋、斗兽棋、象棋等游戏，你的对手可能会是系统指派的人工智能。 落地核心业务，做最精准的流量分发作为目前中国最大的流量平台之一，快手的流量生态包含了各种业务流量的混合，包括视频推荐、直播、运营、电商、广告等，内容对用户的精准触达，是快手的核心业务问题。 在垂类业务的流量分发中，快手已在形态上改变了传统的推送方式，他们在 feed 流中插入垂类聚合页，由算法决定聚合页的展示时机，其中包括音悦台、游戏 TV、PYMK 、直播广场等垂类产品。
导读近年中国台湾知名社群网站痞客邦开始使用AI打造更多元的服务，包括个人化文章推荐演算法等，而为了让新开发的演算法可以更快上线，他们也积极运用云端技术来克服过去流程的问题，让部署过程变成只要1天。? 强化站内搜寻与推荐服务，痞客邦运用云端技术加速AI演算法上线近年中国台湾知名社群网站痞客邦开始使用AI打造更多元的服务，包括个人化文章推荐演算法等，而为了让新开发的演算法可以更快上线，他们也积极运用云端技术来克服过去流程的问题 中国台湾知名的社群网路平台「痞客邦」（PIXNET）就是一例，近年他们不仅是开发各式AI服务与演算法，例如，个人化文章推荐的演算法、兴趣族群演算法等，为使用者推荐感兴趣的主题，也让拥有相同兴趣的人，能有更好的交流与互动方式 最近，他们开发了个人化文章推荐演算法，当用户进入痞客邦首页时，将可以看到一个戏剧墙的文章建议，这是根据用户追随与兴趣主题所推荐出来。 为加速服务部署上线，借助SRE介入程度低的App Engine值得注意的是，在这次中国台湾云端大会上，赖义伟特别分享了使用云端技术，来加速AI服务上线过程的经验。
转移学习和联邦学习进一步降低AI门槛----面对自动驾驶最核心的需求“安全”，英伟达开发了 “端到端平台”，即：在数据中心中的AI。也就是说，真正技术在道路上使用之前，首先是要在数据中心进行验证。 AI对于拥有大量数据的科技公司尤为重要，比如推荐系统，如果没有推荐系统，人们无法从上万亿次网页检索、几十亿淘宝商品、几十亿抖音视频、各种新闻中找到自己需要的内容。 因此，一个能够要深度理解每一个用户，在正确时间给出正确的推荐的推荐系统极为关键。百度AIBox推荐系统采用英伟达AI，100多个推荐模型被使用在百度的众多应用中。 虽然拥有自研云端AI芯片，但为了解决推荐系统面临的两大挑战，阿里和百度都选择使用英伟达的GPU构建推荐系统，这其中很重要的原因是系统的构建面临两大挑战。 同时也推出的新一代推理优化软件平台Tensor RT，转移学习、联邦学习的方式，能更好地推动AI落地，这也是英伟达发布更多软件产品的原因。
Matterport3DSimulator 可以使用视觉信息（RGB-D 图像）开发与真实 3D 环境交互的 AI Agent，它主要应用于深度强化学习的研究以及自然语言处理和机器人技术的结合技术。 参考Matterport3DSimulator 和 Room-to-Room (R2R) 导航数据集在下述的论文中有详细描述：https:arxiv.orgabs1711.07280如果你要使用模拟器或者数据集 .makecd ..用 Cmake 构建 OSMESAmkdir build && cd buildcmake -DOSMESA_RENDERING=ON ..makecd ..要为doxygen目录中的 类构建 html 文档，请运行以下命令并导航到 doxygen html index.html：doxygenDemo这些是非常简单的 Demo 演示，旨在说明模拟器如何在 Python 和 C++ 中使用
文章作者：王培军 腾讯 高级工程师 整理编辑：李沛欣 出品平台：DataFunTalk、AI启蒙者 导读：Angel是腾讯自研的分布式高性能的机器学习平台，支持机器学习、深度学习、图计算以及联邦学习等场景 Angel的深度学习平台已应用在腾讯的很多个场景中。本次分享为大家介绍Angel推荐算法在游戏推荐中的应用。 主要内容包括：游戏平台上的游戏推荐、Tesla平台上的推荐算法、经典算法的线性特点、DeepFM算法的非线性特点、DeepFM应用过程。 01 游戏平台上的游戏推荐 ? 这张图看到的是Steam平台上的一个游戏推荐的应用。Steam平台主要是使用标签的推荐方法，它的标签主要是基于用户选择去收集的信息。 ? Steam平台的特点在于游戏的内容比较多，深度也比较深一些。 这个是特斯拉平台上的推荐算法。
亚马逊的首页也用了AI，根据用户的购买记录来推荐首页展示的商品。?△ 亚马逊的推荐页面不断获得大量的数据输入，AI技术可以输出个性化的结果，这样会让很多事效率更高，步骤也更简单。 随着AI系统慢慢学会把咨询问题中的细微差别归类，它的客服支持能力就越来越强，能回答的问题面更广，回答的精确度也越高。 以用户为中心的创新新产品或服务要怎么要吸引现有的和之前的用户？ 比起胡乱推荐一通，这种定制化的推荐可以给销售部市场部提供更个性化的方案，增加用户的信任度和满意度。基于用户需要去推销，对他们来说，就不再是种打扰，也能获得用户更多的关注。 这个AI系统把客户的数据吸收处理分析后，学会给内部做推荐，把通知按重要程度划分等级，或者预测销售数字。这证明了对外的AI平台可以用来服务内部的运营。 除了市场部，其他部门也可以利用这个平台，比如人力资源部，法务部。人力资源部可以用对外的AI平台来统计基本的对内询问的信息，或者处理内推简历，法务部可以用AI平台来核对合同的准确性。未来已来。
在“容器下的AIOps”分会场，转转公司首席架构师／架构算法部负责人孙玄做了主题为《转转如何打造AI工程架构体系》的精彩演讲。演讲核心内容涉及转转AI工程体系中，推荐与搜索架构、召回与排序算法的演进。 架构还设有网关、业务逻辑层、数据访问层、数据存储层、注册中心和配置中心等部分。基于转转总体的微服务架构，孙玄又针对推荐与搜索这两大架构的演进做了详尽的阐述。 推荐架构的演进转转二手交易平台的推荐场景分为用户和商品两个维度。用户进入首页后看到的“看推荐和逛附近”两个板块以及点击分类之后看到的“为你推荐”板块，这三部分属于用户维度。 “相似商品“推荐板块属于商品维度。?图2 用户维度和商品维度场景推荐这些推荐场景背后的技术架构是如何打造的呢？接下来，让我们来看看转转二手交易平台推荐架构的演进。 未来，搜索架构致力成为大中台，通过云搜索引擎实现业务一键接入（如图11）。?图11 转转云搜索引擎架构图 算法演进孙玄表示， 算法是为了解决召回和排序这两大问题，无论推荐、还是搜索场景均一样。
因此，有不少外媒推测，Laserlike并入苹果后，可能会用在Siri的个性化推荐中。这个猜测不无道理，从苹果此前主推的业务来看，Siri项目确实是重中之重。 在去年的苹果全球开发者大会（WWDC）上，苹果着力改进了Siri的功能，当用户更新了iOS 12后，在下拉菜单中就能看见Siri的个性化推荐，根据时间和地点预测和提醒你待办事项和推荐新闻。? 再比如，Google收购白俄罗斯创业公司AIMatter，后者构建了基于神经网络的AI平台和用于检测和处理图像的软件开发SDK，让用户可以随意处理自拍风格。 此外，还有资讯个性化推荐平台Texture，听歌识曲软件Shazam、芯片制造商Dialog、轻量级AI软件公司Silk Labs等，从这苹果这一连串的收购行动不难看出，苹果对分析、个性化推荐、数据等AI 掐指一算三个月过去了，不知在3月25号的发布会上，苹果在个性化推荐方面是否有更新的进展。— 完 —
比如，知名母婴家庭服务平台宝宝树日前对外宣布，包括独有的婴儿哭声识别在内，其AI应用已取得阶段性成果。很明显，AI将是母婴家庭服务领域下一个竞争赛点。 但母婴做电商也不是全然就行得通，一些母婴产品的推荐机制混乱、频次高，已经广为诟病。AI不能是假AI，真正提升准确性，又精准又减少频次（点击更多更有效）才是AI推荐应有之义。 宝宝树的AI基本打通了不同业务模块，其个性化推荐能够实现跨业务进行，且千人千面根据用户需求导向不同的板块，实现AI推荐的枢纽化集成。 AI本身就是基础设施，可以做横向技术移植。2、精细化推荐。不只是母婴，众多带内容的社区都会有推荐的需求，母婴领域的AI推荐技术事实上给出了所有内容社区如何利用AI做推荐的范本。 在宝宝树的案例中，出现了算法+爱心的双维推荐机制，针对用户提问，除了标准回答之外，还结合用户信息，提供更多温馨提示，这是智能推荐的一个新方向。3、医疗实践与医学研究。
| 导语 腾讯神盾产品化为推荐业务提供了一站式的解决方案，大大节约算法和开发的时间，同时提高推荐转化率。 离线算法平台是神盾产品化中负责训练离线算法模型，并出库模型和特征到线上推荐的模块，最小训练粒度为小时级。同时，离线算法平台还整合了离线批量打分、文本内容理解与特征工程等针对特定需求的功能。 同时，整个离线算法平台在整体流程中添加多个控制点，优化任务的执行流程，例如缓存管理、统一数据时间等控制优化功能。最后，离线平台负责将训练的模型和推荐所需的特征、池子数据输出到神盾产品化后台。 同时，神盾产品化平台提供了Debug功能模拟上线及线上推荐效果。 四、写在最后降低推荐的门槛，同时通过通用的方案提高推荐效果，离线平台接下来要做以下工作：一方面是丰富特征工程，提取出行业相关的通用解决方案，快速接入的同时简化部分高效特征的提取工作；另一方面是算法库的开放和丰富
人工智能服务平台（云智天枢）支持快速接入各种数据、算法和智能设备，并提供可视化编排工具进行服务和资源的管理及调度，进一步通过 AI 服务组件集成和标准化接口开放的方式降低 AI 应用开发成本。
扫码关注云+社区
领取腾讯云代金券
云服务器
测试服务 WeTest
网站备案
对象存储
文件存储