Foreword Flink SQL之所以简洁易用而功能强大，其中一个重要因素就是其拥有丰富的Connector（连接器）组件。Connector是Flink与外部系统交互的...
发简信
IP属地：甘肃
-
实战自定义Flink SQL Connector（w/ Flink 1.11 & Redis） -
英国兰卡斯特大学人力资源发展与咨询硕士，英国CIPD人力资源管理认证NLP高级执行师，高级经理人教练，亚洲成倍得ABC及“你的天赋”测评顾问
-
模型效果上限预估、分类模型Bad Case分析方法
模型效果上限预估、分类模型Bad Case分析方法 给定训练和测试数据集，训练某个二分类模型（如，GBDT算法），我们通过交叉验证的方法得到了一组最优超参数以及对应的最优模型...
-
机器学习模型交叉验证脚本
机器学习模型交叉验证脚本 本文以阿里云机器学习平台上的 ps_smart （GBDT）算法为例，提供一个搜索最佳超参数的交叉验证任务的bash脚本。 机器学习模型超参数网格搜...
-
1天学会开发工业级推荐系统的特征工程代码:保姆级教程一、推荐算法为何要精做特征工程 机器学习工作流就好比是一个厨师做菜的过程，简单来说，清洗食材对应了清洗数据，食材的去皮、切片和搭配就对于了特征工程的过程，食物的烹饪对应了模型...
-
工业级推荐系统中的特征工程摘要：深度学习时期，与CV、语音、NLP领域不同，搜推广场景下特征工程仍然对业务效果具有很大的影响，并且占据了算法工程师的很多精力。数据决定了效果的上限，算法只能决定逼近上限...
-
推荐冷启动召回模型DropoutNet深度解析与改进为什么需要冷启动 通常推荐系统通过协同过滤、矩阵分解或是深度学习模型来生成推荐候选集，这些召回算法一般都依赖于用户-物品行为矩阵。在真实的推荐系统中，会有源源不断的新用户、新...
-
推荐模型离线评测效果好，线上效果却不佳的原因在推荐算法领域，时常会出现模型离线评测效果好，比如AUC、准召等指标大涨，但上线后业务指标效果不佳，甚至下降的情况，比如线上CTR或CVR下跌。 本文尝试列举一些常见的原因，...
-
推荐算法效果不佳时的检查清单
有时候我们会遇到推荐算法上线之后，效果不如预期的情况。这种情况下，该如何改进呢？ 下面就尝试列出一些检查清单，按照重要性的顺序，建议从上往下依次检查。当然，这些清单还不全面，...
-
多任务学习算法在推荐系统中的应用粗略来看，推荐算法可以简单地分为召回和排序两个阶段。召回模块负责从海量的物品库里挑选出用户可能感兴趣的物品子集，过滤之后通常返回几百个物品。排序模块负责对召回阶段返回的物品集...
-
全网最浅显易懂的GBDT(xgboost)算法原理深入剖析梯度提升（Gradient boosting）是一种用于回归、分类和排序任务的技术，属于Boosting算法族的一部分。Boosting是一族可将弱学习器提升为强学习器的算法...
-
-
使用阿里云平台从0到1搭建推荐系统推荐系统已经成为互联网应用提升点击率、转化率、留存率和用户体验的必备手段，然而，随着流量和数据量的爆发式增长，以及企业竞争环境日新月异的变化，快速搭建一套易用、精准、可灵活扩...
-
34岁，国企职员转型个体轻创业<br>专注服务个体创业／转行／副业<br>写了一本电子书，记录我的经历<br>初次见面，评论区666送你一份见面🎁《个体轻创业百万路径地图》
-
tensorflow的saved_model存取模型
一种工程级方便的存取模型的方法，saved_model通过存取一个简单的模型来作为示范首先是模型定义 这里定义了一个简单的矩阵乘， 然后我们来简单的训练几步 现在我们想把这个...
-
简书文章不定期更新，很多没有从CSDN搬过来，喜欢的可以去<a href="https://links.jianshu.com/go?to=https%3A%2F%2Fblog.csdn.net%2Fweixin_41608066" target="_blank">https://blog.csdn.net/weixin_41608066</a>
-
Flink CheckPoint详细过程
Checkpoint由JM的Checkpoint Coordinator发起第一步，Checkpoint Coordinator 向所有 source 节点 trigger ...
-
编辑采稿，请微博私信联系
-
专注PPT逻辑思维的女汉子
