優(yōu)酷推薦業(yè)務(wù)，算法應用場(chǎng)景眾多，需求靈活多變，需要一套通用業(yè)務(wù)框架，支持運行時(shí)的算法流程的裝配，提升算法服務(wù)場(chǎng)景搭建的效率
通過(guò)分析其中的關(guān)鍵問(wèn)題，建立了新熱內容曝光敏感模型，并最終給出一種曝光資源約束下的多目標優(yōu)化保量框架與算法
針對結算收銀場(chǎng)景中商品識別的難點(diǎn)，從商品識別落地中的模型選擇、數據挑選與標注、前端和云端部署、模型改進(jìn)等方面，進(jìn)行了深入講解
神經(jīng)形態(tài)結構融合學(xué)習和記憶功能領(lǐng)域的研究主要集中在人工突觸的可塑性方面，同時(shí)神經(jīng)元膜的固有可塑性在神經(jīng)形態(tài)信息處理的實(shí)現中也很重要
機器學(xué)習就是通過(guò)經(jīng)驗來(lái)尋找它學(xué)習的模式，而人工智能是利用經(jīng)驗來(lái)獲取知識和技能，并將這些知識應用于新的環(huán)境
滴滴機器學(xué)習場(chǎng)景下的 k8s 落地實(shí)踐與二次開(kāi)發(fā)的技術(shù)實(shí)踐與經(jīng)驗，包括平臺穩定性、易用性、利用率、平臺 k8s 版本升級與二次開(kāi)發(fā)等內容
大型商用時(shí)序數據壓縮的特性，提出了一種新的算法，分享用深度強化學(xué)習進(jìn)行數據壓縮的研究探索
深度學(xué)習模型：OverFeat、R-CNN、SPP-Net、Fast、R-CNN、Faster、R-CNN、R-FCN、Mask、R-CNN、YOLO、SSD、YOLOv2、416、DSOD300、R-SSD
SIFT、PCA-SIFT、SURF 、ORB、 VJ 等目標檢測算法優(yōu)缺點(diǎn)對比及使用場(chǎng)合比較
人體姿態(tài)估計便是計算機視覺(jué)領(lǐng)域現有的熱點(diǎn)問(wèn)題，其主要任務(wù)是讓機器自動(dòng)地檢測場(chǎng)景中的人“在哪里”和理解人在“干什么”
Adam 算法便以其卓越的性能風(fēng)靡深度學(xué)習領(lǐng)域，該算法通常與同步隨機梯度技術(shù)相結合，采用數據并行的方式在多臺機器上執行
音樂(lè )科技、音樂(lè )人工智能與計算機聽(tīng)覺(jué)以數字音樂(lè )和聲音為研究對象，是聲學(xué)、心理學(xué)、信號處理、人工智能、多媒體、音樂(lè )學(xué)及各行業(yè)領(lǐng)域知識相結合的重要交叉學(xué)科，具有重要的學(xué)術(shù)研究和產(chǎn)業(yè)開(kāi)發(fā)價(jià)值
