piggyone

Ray是一个支持多语言（python，java，c++）的分布式框架。其本身是辅助python在做机器学习和深度学习工作负载能够使实质性，并具有类似消息传递接口MPI的性能和细粒度。从整体的结构来看，

1. 概念 数据库（database）：数据库是以某种有组织的方式储存的数据集合。 表（table）：某种特定类型数据的结构化清单。 模式（schema）：关于数据库和表的布局及特性的信息。 列（co

来自于论文：attention is all you need 1. 基本构造：encoders+decoders 其中encoders和decoders分别由很多个encoder堆叠或者decode

以下内容是在拜读远观数据大佬文章后结合自身业务感觉深有体会，对目前做时序预测的框架进行梳理，并比较了当前各种方法的利弊。

现如今机器学习的黑盒理论导致其在应用场景中难以被用户信服，则很多科学家在用各种方法来让机器学习的结果能够有一个人能理解的可解释性，本期总结基于博弈论夏普利值的可解释性机器学习原理

本手记整理于Git练习网站，强推一下(https://learngitbranching.js.org/?demo=&locale=zh_CN). 用过关的形式来逐步练习，并用动画来呈现git中的关系，非常直观有趣。常用本地和远程指令讲解练习都有，几个小时就可以做完。…

在推荐系统中，CTR预估是一个非常常见的任务，他最开始用于计算广告中用于判断广告效果的优化情况。在搜索广告中，一般通过广告的点击数量进行效果的评估和结算，因此点击率预估的准确性在效果优化中起到非常关键的作用。如果最终评估效果的指标是转化，那么还需要同时对点击之后的转化率进行估计…

打标签这种用户行为作为目前用户生成内容的一种表现形式，也被作为目前推荐场景下的一种特征，同时对用户打标签也是用户画像的抽象形式，是有十分广泛的用处的。而对于标签系统就会有基于他所产生的推荐算法。本篇文章会终点讨论一下基于标签的推荐算法：SimpleTagBased，Normal…

简单定义来说：推荐系统是一个信息过滤系统，根据用户的历史行为，社交关系，兴趣点，来判断用户当前感兴趣的物品和内容。 其根据不同的目标定义，也会导致不同的推荐结果，从考虑的measure上来考虑，包括用户满意度，预测准确度，覆盖率，多样性，新颖性，精细度，实时性，内容时效性，内容…