随时学丫

推荐系统中有两个经典问题：EE 问题和冷启动问题。 什么是 EE 问题？又叫 exploit－explore 问题。exploit 就是：对用户比较确定的兴趣，当然要利用开采迎合，好比说已经挣到的钱，当然要花；explore 就是：光对着用户已知的兴趣使用，用户很快会腻，所以要…

在 NLP 中，一个最常见的问题便是输入序列长度不等，通常需要进行 PAD 操作，通常在较短的序列后面填充 0，虽然 RNN 等模型可以处理不定长输入，但在实践中，需要对 input 做 batchsize，转换成固定的 tensor。 对如上两个 vector 进行 pad …

深度学习的概念源于人工神经网络，而之所以叫深度学习。我认为有 2 点，第一是网络很深，非常深，第二是学习，如何学习呢？通过数学建模，不断调整参数达到减少目标值和预测值之间的误差，从而可以拟合任意的曲线，达到准确预测的目的。 而今天我们就来谈谈深度学习的一个特点：深。 深层网络一…

初学者容易踩的第一个深坑就是心态不好。 有的人过于自信，多自己的学习能力深信不疑。但是当遇到非常困难的算法或者推理，容易受到打击，甚至气馁，长此以往，不断怀疑自己，容易产生消极情绪，甚至放弃。 有的人过于消极，觉得算法太难学了，刚开始学习时觉得就像天书一样，自乱阵脚，整天都在怀…

Attention 机制由 Bengio 团队于 2014 年提出，并广泛应用在深度学习的各个领域。而 Google 提出的用于生成词向量的 Bert 在 NLP 的 11 项任务中取得了效果的大幅提升，Bert 正是基于双向 Transformer。 Transformer …

在「拆 Transformer 系列一：Encoder-Decoder 模型架构详解」中有简单介绍 Attention，Self-Attention 以及 Multi-Head Attention，都只是在直观上介绍 Attention 的作用，如何能够像人的视觉注意力机制那样…

人工智能的发展非常迅速，翻译的准确性越来越高，以至于有人担心译员是否会失业，甚至有的家长担心孩子学习外语专业将来找不到工作。哎呀，扯远了，本人认为：机器翻译可以便于人们更好的获得国外的信息，提高专业译员的翻译速度，但是更深层次的思考，仍然还要依赖人工翻译。 机器翻译目前只在通用…

Bert 自 Google 于 2018 年发表至今，一直给人们带来惊喜，期间也陆陆续续因为Bert出现的原因多了不少新的岗位，甚至公司 JD 上都明确表明必须懂 Bert。 它在 11 项自然语言处理任务中均表现出惊人的成绩：包括将 GLUE 基准推至 80.4％（绝对改进率…

Please make sure you're downloading from a nearby mirror site, not from www.apache.org. We suggest downloading the current stable release. …