白皮書

推薦系統最佳做法

汲取《紐約時報》、騰訊、美團、NVIDIA 等全球性企業領導人員和技術專家的見解。

探索實用見解和建議

打造、部署和最佳化推薦系統,有效吸引使用者並影響商業價值 (包括營收) 並不容易。資料科學家、機器學習工程師以及全球電子商務、媒體和隨選即用領域的領導者皆成功設計、打造和部署能影響商業價值的推薦系統。下載本白皮書,從專家訪談獲取見解、最佳做法和建議,以及探索推薦系統團隊如何預先處理、進行特徵工程、訓練模型、評估模型、選擇適當的整合技術,並瞭解開放原始碼互通性等。 

以下是其中幾位參與訪談的領導人員和專家:

Monica Rogati

人工智慧與資料科學顧問,打造 LinkedIn「您可能認識」功能的第一個機器學習模型

Xiangting Kong

騰訊專家工程師

Chris Wiggins

《紐約時報》首席資料科學家

Jun Huang

美團資深技術專家

Felipe Contratres

Magalu (《Luiza》雜誌) 個人化小組主管

Vinny DeGenova

Wayfair 研究與推薦資料科學副總監

Even Oldridge

NVIDIA 的 NVIDIA Merlin™ 工程主管

Kannan Achan

Walmart Global Tech 個人化與推薦
資深總監

推薦系統簡史

推薦系統製作過程

閱讀推薦系統簡史,瞭解推薦系統的製作人員,以及從 1970 年代至今之演變過程的資訊。

全球推薦系統最新趨勢

最新趨勢是什麼

瞭解全球推薦系統在電子商務、媒體、新聞、隨選即用等方面的最新趨勢。

推薦系統做法

最佳做法

聽聽業界領袖對於推薦系統實務的見解,包括如何最佳化推薦系統。

立即下載

企業端內容
開發者內容