優(yōu)酷推薦業(yè)務(wù)，算法應(yīng)用場(chǎng)景眾多，需求靈活多變，需要一套通用業(yè)務(wù)框架，支持運(yùn)行時(shí)的算法流程的裝配，提升算法服務(wù)場(chǎng)景搭建的效率

通過分析其中的關(guān)鍵問題，建立了新熱內(nèi)容曝光敏感模型，并最終給出一種曝光資源約束下的多目標(biāo)優(yōu)化保量框架與算法

針對(duì)結(jié)算收銀場(chǎng)景中商品識(shí)別的難點(diǎn)，從商品識(shí)別落地中的模型選擇、數(shù)據(jù)挑選與標(biāo)注、前端和云端部署、模型改進(jìn)等方面，進(jìn)行了深入講解

神經(jīng)形態(tài)結(jié)構(gòu)融合學(xué)習(xí)和記憶功能領(lǐng)域的研究主要集中在人工突觸的可塑性方面，同時(shí)神經(jīng)元膜的固有可塑性在神經(jīng)形態(tài)信息處理的實(shí)現(xiàn)中也很重要

機(jī)器學(xué)習(xí)就是通過經(jīng)驗(yàn)來尋找它學(xué)習(xí)的模式，而人工智能是利用經(jīng)驗(yàn)來獲取知識(shí)和技能，并將這些知識(shí)應(yīng)用于新的環(huán)境

滴滴機(jī)器學(xué)習(xí)場(chǎng)景下的 k8s 落地實(shí)踐與二次開發(fā)的技術(shù)實(shí)踐與經(jīng)驗(yàn)，包括平臺(tái)穩(wěn)定性、易用性、利用率、平臺(tái) k8s 版本升級(jí)與二次開發(fā)等內(nèi)容

大型商用時(shí)序數(shù)據(jù)壓縮的特性，提出了一種新的算法，分享用深度強(qiáng)化學(xué)習(xí)進(jìn)行數(shù)據(jù)壓縮的研究探索

深度學(xué)習(xí)模型：OverFeat、R-CNN、SPP-Net、Fast、R-CNN、Faster、R-CNN、R-FCN、Mask、R-CNN、YOLO、SSD、YOLOv2、416、DSOD300、R-SSD

SIFT、PCA-SIFT、SURF 、ORB、 VJ 等目標(biāo)檢測(cè)算法優(yōu)缺點(diǎn)對(duì)比及使用場(chǎng)合比較

人體姿態(tài)估計(jì)便是計(jì)算機(jī)視覺領(lǐng)域現(xiàn)有的熱點(diǎn)問題，其主要任務(wù)是讓機(jī)器自動(dòng)地檢測(cè)場(chǎng)景中的人“在哪里”和理解人在“干什么”

Adam 算法便以其卓越的性能風(fēng)靡深度學(xué)習(xí)領(lǐng)域，該算法通常與同步隨機(jī)梯度技術(shù)相結(jié)合，采用數(shù)據(jù)并行的方式在多臺(tái)機(jī)器上執(zhí)行

音樂科技、音樂人工智能與計(jì)算機(jī)聽覺以數(shù)字音樂和聲音為研究對(duì)象，是聲學(xué)、心理學(xué)、信號(hào)處理、人工智能、多媒體、音樂學(xué)及各行業(yè)領(lǐng)域知識(shí)相結(jié)合的重要交叉學(xué)科，具有重要的學(xué)術(shù)研究和產(chǎn)業(yè)開發(fā)價(jià)值