暂无个人介绍
能力说明:
了解变量作用域、Java类的结构,能够创建带main方法可执行的java应用,从命令行运行java程序;能够使用Java基本数据类型、运算符和控制结构、数组、循环结构书写和运行简单的Java程序。
阿里云技能认证
详细说明也许我们无法走遍地球的每一个角落,却可以用阅读丈量整个世界。停止阅读就等于停止给大脑供给养分。信息爆炸时代,“养分”的质量决定了个人的成长速度。今天,我们“偷出”了贾扬清、吴翰清等大神的私人书单。到底大神们如何跨界学习,将知识收为己用?一起来感受!
致全球Java开发者:代码是二进制世界的交流方式,极致的代码是我们的荣耀。
本篇论文已被 KDD 2019 收录,建议大家收藏阅读。
本文处理的就是这种包含异构节点和异构边的图的嵌入学习。
当前电商场景之下,单纯的商品推荐已不足以满足用户需求,基于内容的推荐应运而生。那么其中的关键问题就是我们要为推荐的商品产出优质的推荐理由,从而可以:帮助消费者做出选择;开拓用户对商品的兴趣;引导多种产品以提高多样性。
今天,阿里巴巴高级算法专家吴晨带你揭秘这项技术。
行为序列数据,如淘宝购物,支付宝风控事件等,在内部场景十分常见,也是推荐、风控等问题的源头级输入之一。给定一个用户的交易序列,要求预测他接下来会买什么;给定风控事件序列,要求预测是好人还是黑产,都依赖于将行为序列表示成特征向量,进而实现序列分类的基础能力。
阿里的商品知识图谱帮大家记下了众多商品相关的信息,默默地为高质量线上购物体验保驾护航!
今天,阿里巴巴技术专家丁亦川梳理了神马搜索 BERT 在线预测过程中,遇到的性能问题,探索过程以及当前初步的成果,分享给大家。
从面向机器学习的知识重建切入,提出了在 AI 能力的推动下,让人值得期待的未来。究竟在阿里巴巴研究员眼中,未来是什么样的?接下来,我们一起探秘。
天猫精灵是阿里巴巴人工智能实验室出品的智能音箱,在推出不久就迅速占领国内市场,将人工智能以开口即得的方式带入千家万户。它不仅能帮你播放音乐、查时间、了解天气还能帮你交话费、开灯、调整空调温度。今天,我们探究这只“猫”的内部结构——对话引擎,了解它如何实现与人对话。
我们希望营销场景作为卡片的形式插入到现有的为你推荐里,一方面是为这些场景分发流量,一方面是希望提高整体的坑位曝光收益。今天,我们就来探秘如何插入这些营销场景卡片。
今天,我们一起回顾 embedding 的理论基础,发现它的技术演进,考察主流 embedding 的技术细节,最后再学习一些实操案例。
AI 在垂直领域的智能化水平还很初级?这个观感已经过时了。阿里达摩院发布了一项新研究:AI 进化到助理法官水平,可一秒“判案”。
今天,我们要探索的是物体检测算法在视频内容广告中的应用,来瞧瞧如何才能让商品广告与视频内容达到完美融合。
在自研硬件上,和芯片厂商深度合作针对中低端芯片做出了特例优化,落地了手势识别、宠物检测和笔尖检测等业务。
今天,为你揭秘阿里巴巴人工智能实验室在 AutoML 方面做了哪些探索。 v
地基决定了建筑的高度,语言模型决定了 NLP 的能力。我们平时关注到的更多是建筑位于地表之上的宏伟部分,地基则鲜少有人问津。然而,打实基础,才能更上一层楼。今天,蚂蚁金服智能对话算法团队带领大家一起回顾 NLP 语言模型的演化历史,了解 BERT为什么能在今天大放异彩。
几十个问题,万字长文,阿里云新任总裁行癫履新后首次深入讨论阿里云对云计算未来的判断,深度解读未来阿里云生态战略,揭秘阿里技术委员会和阿里中台思想的原生思考。
xNN云平台面向普通的研发、质量、UED、运营等非算法专业的同学,也面向视觉与非视觉领域的算法同学,提供全自动的模型训练与模型压缩能力。
站在今天总结过去的算法演进,同时看未来电商搜索推荐算法的发展,期待从机器智能到结合人类智能做到真正地认知智能,实现搜索推荐新的交互新体验。
搜索导购产品作为搜索的流量入口,承载了为用户导购推荐、搜索流量分流的重要功能。主要产品包括:首页底纹、下拉推荐、搜索发现、导航、历史搜索等。
本文讨论其中的三个关键的技术点: 基于图像的顾客动作检测算法; 基于射频信号的商品翻动检测算法; 基于二部图匹配的人货关联算法。
本文主要介绍图像算法这块的研发工作。
OCR作为智能审核的重要环节,其识别准确率影响着最终审核效果的好坏,而来自扫描仪、智能手机的文档图像多存在卷曲、折叠。本文旨在利用深度学习算法对文档图像的形变进行矫正,从而提高OCR识别效果,为智能审核保驾护航。
阿里妈妈智能抠图编辑器旨在为设计领域提供简单、易用的在线抠图工具。用户只需要简单几笔甚至不需要任何操作即可以将目标从图片中高精度提取出来,包括头发丝,婚纱,玻璃瓶、烟雾等半透明区域。
阿里巴巴经济体每天都在服务着数以亿计的会员,每天会员求助的进线量巨大,尽管机器人的解决能力已经很强大,但是以目前技术人工客服依然无法完全被替代,庞大的阿里人工客服在保障会员体验的任务中仍扮演着十分重要的角色。阿里巴巴新零售技术事业群-CCO技术部打造了一款助手在客服工作中予以辅助,实现人机协同。
一方面,互动能让用户感受到更多的参与感,并能一定程度上干预推荐结果,而不只是被动接受推荐结果;另一方面,系统通过与用户的互动能更加了解用户的偏好,从而提升推荐效果。那么,我们是如何让用户和推荐系统互动起来的呢?且看下文。
数字化的时代,无论是商场里的大小专柜,还是小区门口的便利店,大多仍处于“数据荒漠”中。店家不知道店内多少商品被人浏览,多少衣服被试穿了,作为顾客的我们也不知道哪些商品是最受同龄人喜爱的畅销好物。
下面,我们一起来看在这场战役中如何让机器学习赋能素材治理?
随着内容化时代的到来,搜索引擎越来越重视站点页面的内容承载和丰富度。Alibaba.com作为服务买家和供应商的全球顶尖B类跨境贸易平台,在Google不断提升内容化排名的情况下,阿里工程师是如何突破原有SEO优化手段,提升电商平台的排名的呢?又是如何将人工智能知识应用在摘要内容的抽取过程中?
阿里巴巴机器智能技术实验室在行人重识别(Person Re-identification)算法上获得突破性成果。