9 天前 / hyper0x
前些日子，星球里讨论风控建模面试中的一些问题，其中就提到了 “卡方分箱”。大家对卡方分箱都有或多或少的疑问，应星球朋友要求，最近整理了一下我对卡方分箱的理解，也借此分享给公众号的朋友们。 什么是分箱？ 说到分箱，可能很多朋友都非常熟悉，它是数据科学中常用到的一个技巧，意思就是将连续型的数据分成几个数据段，即离散化。很好理解，举个例子，比如将原本连续的年龄特征离散化，结果可变为0-18，18-30, 30-50，>50等4个范围的特征值，而非连续的无穷的特征值。简单理解，这个过程其实就是：连续 —>不连续。 ......
37 天前 / hyper0x
说明：本文欢迎转载，请注明作者、出处与原文链接。 前几天刚过完ACL 2019投稿季，给不少同学的论文提供了修改建议。其中很多论文，特别是初学者的论文的问题都很相似。一想到未来还要给更多新同学重复这些话，决定索性把这些建议总结出来，不仅以后能少费一番唇舌，说不定还能帮助更多同学。于是就有了这篇短文。 本文题目取“合格”的论文，而不是优美的论文，或精彩的论文。一个原因是，我自知英文水平特别是词汇有限，从未写过自认精彩或优美的论文，并无资格提供这方面的建议。另一个原因是，下面会讲到，学术论文的关键目标并非辞藻优美而......
38 天前 / linjinhe
推荐几篇工业界分布式系统设计的论文。 1. Google 经典的“三驾马车” The Google File System (2003)MapReduce: Simplified Data Processing on Large Clusters (2004)Bigtable: A Distributed Storage System for Structured Data (2006) 最早发表的 GFS 论文（2003）到现在（2019）已经 16 年了。这三篇论文可以说是工业界、开源界分布式系统的启蒙者。之后的 Hadoop 系列开源软件 HDFS、MapReduce、Hbase 都是参考这三篇论文设计的。 2. Amazon 的 Dynamo （高可用、最终一致的分布式 KV） Dynamo: Amazon’s Highly Available Key-value ......
51 天前 / 大数据技术博客
Pregel: A System for Large-Scale Graph ProcessingThe Dataflow Model: A Practical Approach to Balancing Correctness, Latency, and Cost in Massive-Scale, Unbounded, Out-of-Order Data Processing
52 天前 / figo
在2018年最佳GAN论文中，我讨论了对GAN（生成对抗网络）领域的三个主要贡献，我很高兴介绍另外三篇有趣的研究论文。再一次，这个顺序纯粹是随机的，选择非常多主观。 用于高保真自然图像合成的大规模GAN训练：DeepMind提出的BigGAN利用Google TPU v3 Pod数百个核心的强大功能，大规模创建高分辨率图像。 相对论鉴别器：表征GAN中缺少的关键元素：作者提出通过引入改进的鉴别器来改进GAN的基本原理。 ESRGAN：增强型超分辨率生成对抗网络：2017年的超分辨率GAN（SRGAN）是将低分辨率图像映射到高分辨率图像的最佳网络之一。这项工作通过几个......
73 天前 / spearhead_cai
2019年第 13 篇文章，总第 37 篇文章 无论是研究方向是 AI 方面的学生，或者是做机器学习方面的算法工程师，在掌握基础的机器学习相关知识后，都必须掌握搜索论文的技能，特别是研究或者工作领域方向的最新论文，更进阶一点的技能，就是可以复现论文的算法，这是在论文作者没有开源代码的时候的一个解决办法，但是在能够掌握这项技能前，我们希望能够搜索到其他人复现的代码。 因此，今天我会推荐两个相关的网站，并且都是同个团队的成果，这个两个网站，一个可以用于展示带有代码实现的论文算法，另一个给出了多个领域最新最好的算法论文结果。......
81 天前 / figo
摘要：学习计算机视觉必须要看的几篇论文！ 从ILSVRC中可以看出，近几年图像分类神经网络架构的错误率以惊人的幅度下降 深度学习已经存在了几十年，Yann Lecun在1998年就发表了一篇关于卷积神经网络（CNN）的论文。但是直到十年前，深度学习才开始真正的发展并慢慢成为人工智能研究的主要焦点领域。这些转变主要是因为处理能力（即 GPU）的增强、大量可用性的数据（即Imagenet数据集）以及新的算法和技术。2012年，AlexNet（一种大型深度卷积神经网络），赢得了年度ImageNet大规模视觉识别挑战赛（ILSVRC）。 从此以后，CNN的变体开始在ILSV......
103 天前 / 蓝天
这周我们一起讨论一下Youtube的深度推荐系统论文《Deep Neural Networks for YouTube Recommendations》，这是2016年的论文，按照今天的标准来看，已经没有什么新颖的地方，我也是两年前读过这篇文章之后就放下了，但前几天重读这篇文章，竟让发现了诸多亮点，几乎处处是套路，处处是经验，不由惊为神文。这篇神文给我留下的深刻印象有两点： 这毫无疑问是工业界论文的典范，是我非常推崇的工程导向的，算法工程师必读的文章；我以为毫不起眼的地方，也藏着Youtube工程师宝贵的工程经验，相比上周介绍的阿里的深度兴趣网络DIN，最重要的价值就在于......
111 天前 / openio
新智元报道 来源：Arxiv 编辑：肖琴，金磊【新智元导读】近日，微软沈向洋等人发表论文《微软小冰的设计与实现》，几乎无保留地公开了小冰系统的开发过程，详述了系统架构和关键组件，包括对话管理器、核心聊天、技能和移情计算模块。 社交聊天机器人，或能够与人类进行共情对话的智能系统的开发，一直是人工智能领域持续时间最长的目标之一。近年来，随着大量会话数据的出现，以及机器学习的突破被应用于会话AI，对话智能系统在学术研究界和行业中都取得了可喜的成果。 微软小冰是世界上最流行的社交聊天机器人之一。自2014......
149 天前 / mr7
本文主要讲述微信过载控制系统 DAGOR ，论文作者由腾讯、新加坡国立大学和哥伦比亚大学三方的研究人员组成。 我们喜欢这篇论文有两个原因。首先，我们因此有机会深入了解支持微信运行的后端；其次，作者介绍了久经考验的过载控制系统DAGOR的设计，该系统已在微信的生产环境中用了5年。该系统专门设计，考虑到了微服务架构的特殊性。如果你在考虑为自己的微服务实施策略，本文大有助益。 微信架构介绍 眼下的微信后端包含3000多个移动服务，包括即时消息、社交网络、移动支付和第三方授权。该平台每天收到的外部请求在10 ^10......
184 天前 / 黑夜探路人
从“价值、必要、讨论和工具”这四个角度，把一些容易踩的坑提示给你，助你顺利完成研究论文撰写。挫折 我的一个三年级研究生，最近比较焦虑。焦虑的原因，是预答辩的效果不理想。最重要的原因，你肯定能猜到，是他拖延症犯了。不到最后一刻，也不肯交出初稿，说要继续修改（其实是一直没写完）。最后一行字刚落笔，就直接去预答辩了。装备都没配齐全，就冲入了枪林弹雨的战场，后果可...
190 天前 / ThoughtWorks
自从上次介绍了去哪里找paper之后，大家问我的问题就常常变成了：如何快速阅读一篇paper并准确的提取其中有用的信息。在本文中，我将试图为大家简要解答这个问题，争取告诉大家如何在短时间内通过阅读文献的方式了解一个新的领域。阅读一篇paper通常见的目的有四种：面对一个新的领域，我要快速把握这个领域的研究方向和state-of-the-art方法，来给自己或...
218 天前 / openio
最近因为工作需要对VLDB的一些论文进行了阅读。其中包括谷歌新发表的F1数据库的分析。解读谷歌论文一直都是不太容易的。因为谷歌向来都是说一半藏一半。这篇论文相对来说还是写的比较开放的，还是不能免俗。 这篇论文是谷歌2013年VLDB发表的F1：A Distributed SQL Database that Scales的后续，全面阐述了谷歌的F1数据库这些年...
221 天前 / 我爱计算机视觉
(欢迎关注“我爱计算机视觉”公众号，一个有价值有深度的公众号~)来自巴西阿雷格里港大学的学者发表于ECCV2018的论文《License Plate Detection and Recognition in Unconstrained Scenarios》，给出了一整套完整的车牌识别系统设计，着眼于解决在非限定场景有挑战的车牌识别应用，其性能优于目前主流的商...