# 智能推荐 AIRec #
0
关注
87内容
Drill官网文档翻译四 Drill的性能
（翻译自apache drill 官网。）
Drill是从地基开始就奔向高性能和大数据集去设计的，下面列出来的是Drill能够做到高性能的核心要点。
分布式的引擎
Drill提供了一个强大的分布式引擎来处理查询。用户可以从集群的任何一个节点是提交查询。你可以添加新的节点到集群中，以为了支持更多
Hawkeye:TopN慢query的获取与优化
之前的文章介绍了Hawkeye的底层分析系统(待补充文章)，其中讲到了基于Blink的Batch任务实现方法，前段时间在优化慢query查询的过程中开发了应用TopN慢query获取的分析任务，其中用到的分析方法适用于其他类似求TopN的问题中。
打造算法在线服务领域极致开发体验与性能 — 阿里TPP图化框架技术实践
TPP图化致力于打造一个算法在线服务领域易用、性能极致、迭代效率远超普通方式的产品。本文将介绍TPP图化以及2021年在性能、开发体验上的改进，并介绍未来TPP图化的规划。
|
AIRec个性化推荐召回模型调参实战（电商、内容社区为例）
本文从个性化推荐用到的召回模型，以及针对于这些召回模型我们如何去进行实战调参，进行的偏向于电商和内容行业的最佳实践的分享。主要从四个方面展开：典型推荐场景、经典算法模型简介、电商行业优化最佳实践、内容行业优化最佳实践。
全托管推荐引擎服务：智能推荐AIRec
本文是《飞天大数据产品价值解读系列》之《全托管推荐引擎服务——智能推荐》的视频分享精华总结，主要由阿里巴巴搜索推荐事业部的栀露向大家分享智能推荐的相关知识，包括为什么要使用推荐，推荐的价值所在，以及智能推荐的重点服务和功能。
人工智能平台PAI操作报错合集之引用github.com/alibaba/pairec包时报错，该如何解决
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台，旨在降低AI开发门槛，加速创新，助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务，共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述，涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
云栖全程回顾|搜索推荐工程技术专场（附视频与文档）
2019年9月26日在云栖大会《搜索推荐工程技术专场》上，介绍了阿里巴巴搜索推荐与广告，淘系推荐算法云上赋能的分享。基于阿里巴巴十几年搜索与推荐引擎的技术沉淀，承载了包括淘宝、天猫、菜鸟、盒马、钉钉、优酷乃至海外电商在内的整个阿里集团业务，同时由搜索推荐体系支撑起的云产品矩阵已服务于全球的开发者。本次分享邀请到了阿里巴巴搜索和推荐最核心的资深技术专家，为大家带来搜索和推荐领域最前沿、专业、深度的技术内容盛宴。
免费试用