境外开放课程——按学科专业列表
开放课程→工程与技术科学→计算机科学技术→人工智能::
61
62
63
64
Graph Convolutional Neural Networks for Web‑Scale Recommender Systems[用于网络级推荐系统的图卷积神经网络]
Ruining He(Pinterest) 用于图结构数据的深度神经网络的最新进展已经在推荐系统基准上带来了最先进的性能。然而,使这些方法实用并可扩展到具有数十亿项目和数亿用户的网络规模的推荐任...
热度:33
Ruining He(Pinterest) 用于图结构数据的深度神经网络的最新进展已经在推荐系统基准上带来了最先进的性能。然而,使这些方法实用并可扩展到具有数十亿项目和数亿用户的网络规模的推荐任...
热度:33
65
KDD Plenary Panel: Societal Impact of Data Science and Artificial Intelligence[KDD全体小组讨论会:数据科学和人工智能的社会影响]
Jennifer Neville(普渡大学) 对KDD和其他数据科学/机器学习/人工智能会议的兴趣激增,只是这些技术不再局限于学术界和科技公司的众多迹象之一。随着我们的日常生活无缝集成了越来越多的数据...
热度:18
Jennifer Neville(普渡大学) 对KDD和其他数据科学/机器学习/人工智能会议的兴趣激增,只是这些技术不再局限于学术界和科技公司的众多迹象之一。随着我们的日常生活无缝集成了越来越多的数据...
热度:18
66
Computational Advertising at Scale[大规模计算广告]
Suju Rajan() 关于计算广告的机器学习文献通常倾向于关注简单的CTR预测问题,尽管这是相关的,但就该领域的挑战而言,这只是冰山一角。人们对实时投标系统的运行规模(每天200...
热度:18
Suju Rajan() 关于计算广告的机器学习文献通常倾向于关注简单的CTR预测问题,尽管这是相关的,但就该领域的挑战而言,这只是冰山一角。人们对实时投标系统的运行规模(每天200...
热度:18
67
Discrete Ranking based Matrix Factorization with Self Paced Learning[基于离散排序的自学习矩阵因子分解]
Yan Zhang(中国科学技术大学) top-k推荐的效率对于大规模推荐系统至关重要。哈希不仅是一种有效的替代方法,而且是分布式计算的补充,在资源有限的计算环境中也是一种实用有效的选择。哈希技...
热度:25
Yan Zhang(中国科学技术大学) top-k推荐的效率对于大规模推荐系统至关重要。哈希不仅是一种有效的替代方法,而且是分布式计算的补充,在资源有限的计算环境中也是一种实用有效的选择。哈希技...
热度:25
68
Data Science at Flipkart - An Indian E-Commerce company[印度电子商务公司Flipkart的数据科学]
Mayur Datar(斯坦福大学) 在本次演讲中,我们将简要介绍Flipkart,重点介绍其迄今为止的主要里程碑以及一些最新的市场规模数据。我们将列举像我们这样的电子商务公司面临的一些重要数据科...
热度:19
Mayur Datar(斯坦福大学) 在本次演讲中,我们将简要介绍Flipkart,重点介绍其迄今为止的主要里程碑以及一些最新的市场规模数据。我们将列举像我们这样的电子商务公司面临的一些重要数据科...
热度:19
69
E‑tail Product Return Prediction via Hypergraph‑based Local Graph Cut[基于Hypergraph的局部图切割的E尾产品收益预测]
Yada Zhu(沃森研究中心) 近几十年来,电子商务迅猛发展。特别是,E-tail为客户提供了极大的便利,允许他们在任何地方购买零售产品,而无需访问实际商店。E-tail最近的一个趋势是允许免费...
热度:15
Yada Zhu(沃森研究中心) 近几十年来,电子商务迅猛发展。特别是,E-tail为客户提供了极大的便利,允许他们在任何地方购买零售产品,而无需访问实际商店。E-tail最近的一个趋势是允许免费...
热度:15
70
OpenTag: Open Attribute Value Extraction from Product Profiles[OpenTag:从产品配置文件中打开属性值提取]
Subhabrata Mukherjee(马克斯·普朗克信息学研究所) 缺失属性值的提取是为了从自由文本输入中找到描述感兴趣属性的值。过去关于提取缺失属性值的大多数相关工作都采用封闭世界假设,使用预先已知的可能值集,或者使...
热度:21
Subhabrata Mukherjee(马克斯·普朗克信息学研究所) 缺失属性值的提取是为了从自由文本输入中找到描述感兴趣属性的值。过去关于提取缺失属性值的大多数相关工作都采用封闭世界假设,使用预先已知的可能值集,或者使...
热度:21
71
72
Learning and Transferring IDs Representation in E‑commerce[电子商务中ID表示的学习和传递]
Kui Zhao(阿里巴巴集团) 电子商务中开发了许多机器智能技术,其中最重要的组件之一是ID的表示,包括用户ID、商品ID、产品ID、商店ID、品牌ID、类别ID等,并且它不能反映ID之间的关系,无...
热度:17
Kui Zhao(阿里巴巴集团) 电子商务中开发了许多机器智能技术,其中最重要的组件之一是ID的表示,包括用户ID、商品ID、产品ID、商店ID、品牌ID、类别ID等,并且它不能反映ID之间的关系,无...
热度:17
73
Disturbance Grassmann Kernels for Subspace Based Learning[基于子空间学习的扰动格拉斯曼核]
Junyuan Hong(中国科学技术大学) 在本文中,我们关注基于子空间的学习问题,其中数据元素是线性子空间而不是向量。为了处理这类数据,提出了格拉斯曼核来测量空间结构,并与分类器(例如,支持向...
热度:13
Junyuan Hong(中国科学技术大学) 在本文中,我们关注基于子空间的学习问题,其中数据元素是线性子空间而不是向量。为了处理这类数据,提出了格拉斯曼核来测量空间结构,并与分类器(例如,支持向...
热度:13
74
Optimal Distributed Submodular Optimization via Sketching[基于草图的最优分布子模优化]
Mohammadhossein Bateni(Google, Inc.) 我们提出了若干类子模优化问题的分布式算法,如k覆盖、集合覆盖、设施位置和概率覆盖。新算法具有几乎最优的空间复杂度、最优的近似保证、最优的通信复杂度(并...
热度:29
Mohammadhossein Bateni(Google, Inc.) 我们提出了若干类子模优化问题的分布式算法,如k覆盖、集合覆盖、设施位置和概率覆盖。新算法具有几乎最优的空间复杂度、最优的近似保证、最优的通信复杂度(并...
热度:29
75
Decoupled Learning for Factorial Marked Temporal Point Processes[因子标记时间点过程的解耦学习]
Lu Wang(华东师范大学) 本文介绍了因子标记时间点过程模型,并提出了有效的学习方法。在传统(多维)标记时间点过程模型中,事件通常由单个离散变量(即标记)编码。在本文中,我们描述...
热度:19
Lu Wang(华东师范大学) 本文介绍了因子标记时间点过程模型,并提出了有效的学习方法。在传统(多维)标记时间点过程模型中,事件通常由单个离散变量(即标记)编码。在本文中,我们描述...
热度:19