推荐系统中的核心部分是推荐算法，基于推荐算法对用户做到千人千面。本场Chat中会对排序算法近十年的发展进行提炼和总结，会讲到如下内容：1）推荐系统中的数据特点；2）排序算法的第一阶段：发展初期（2010年前），人工特征 + 线性模型阶段3）排序算法的第二阶段：加速发展期（2010年-2015年），自动特征交叉 + 线性模型阶段4）排序算法的第一阶段：深度发展期（2016年-至今），深度模型...

训练集（Train Set）、验证集（Validation Set）、测试集（Test Set）这三个名词在机器学习领域极其常见，但很多人并不是特别清楚，尤其是后两个经常被混淆。而交叉验证很多教材和文章概念也不统一，即可用于划分数据集、也可用于模型选择及调参，也容易让大家误解。为彻底搞明白这几个概念和用法，本文我们深度研究一下。在本场 Chat 中，会讲到如下内容：训练集，验证集，测试集...

Caffe、TensorFlow、PyTorch等成熟的深度学习框架大行其道。使得很多小型团队可以在很短的时间内实现一个稳定高效的深度学习模型，这是技术普及和发展所带来的便利。但作为个人学习提高来讲，框架并非是一种良好的学习工具，其隐藏了太多重要的细节。而作为一门夕阳学科，深度学习有着一个成熟而系统知识体系。学习它并不像很多人渲染的需要太多数学知识，甚至于仅需要矩阵代数运算即可，深度学习是我见过对

ERP系统在大中型企业中普及后，数字化转型（Digital Transformation，简称：DX）的概念开始受到到追捧，从去年开始，国外的CIO们更是言必称Digital Transformation。与此同时，另外一个概念开始进入人们的视野，即低代码平台（Low-Code Platform，由Forrester Research于2014年首次提出），低代码平台的出现，正是打破ERP系统僵化

随着微服务架构的流行，尤其是近年来SpringCloud的广泛应用，一些微服务架构下的问题也比较突出，比如一个请求会涉及多个服务，而服务本身可能也会依赖其他服务，整个请求路径就构成了一个网状的调用链，而在整个调用链中一旦某个节点发生异常，整个调用链的稳定性就会受到影响，为快速定位解决问题，需要一套可以跟踪、分析系统性能的工具，即APM（应用性能管理）。目前主流的APM工具有Skywalking、.

DeepTables重磅来袭，DT团队获得Kaggle竞赛Categorical Feature Encoding Challenge II 中第1名的成绩！

在容器技术加持的云原生形成趋势的今天，PouchContainer 容器技术支持的业务方也不再只有集团电商业务和在线业务了，我们通过标准化的演进，把所有定制功能做了插件化，适配了不同场景的需要。限时福利：张磊、李响等人撰写的 《CNCF X 阿里巴巴云原生技术公开课》 限时 0 元领取中。...

详细讲解怎样使用七牛云cdn加速，并且告别临时域名，绑定到自己的域名上。

本个分享是作为几天前的一个Chat的补充内容而写的。这个系列Chat本意是写一个最简单的深度学习框架，这有个前提是对于矩阵求导了然于胸。但事实并非如此，矩阵求导难住了相当一部分人。甚至于有些人背诵起了所谓的“矩阵求导法则”，这太痛苦了。所以本个Chat尝试给大家一个无需背诵的公式推导过程。学完后将会了解：矩阵求导为什么学的这么艰辛约定求和如何做矩阵求导为什么人人都可以轻松的推导深度学习公式...

面对机器学习，初学者的阻塞点往往不在于机器学习本身，而是数学。机器学习是计算机技术，但它的底层是数学。通常，在机器学习相关的教材中，通篇都是复杂的数学公式。初学者如果数学基础不牢固，面对满篇的数学公式时，就会逐步失去学习信心、减少学习动力，而达不到预期的学习效果，最终只能沦落个“半吊子”的水平。有鉴于此，本 Chat 将会拆解机器学习主流模型，找到主流模型背后依赖的数学知识点。再讲这些数学相关的.