優(yōu)酷推薦業(yè)務(wù)，算法應(yīng)用場景眾多，需求靈活多變，需要一套通用業(yè)務(wù)框架，支持運(yùn)行時的算法流程的裝配，提升算法服務(wù)場景搭建的效率
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
針對結(jié)算收銀場景中商品識別的難點(diǎn)，從商品識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)來獲取知識和技能，并將這些知識應(yīng)用于新的環(huán)境
滴滴機(jī)器學(xué)習(xí)場景下的 k8s 落地實(shí)踐與二次開發(fā)的技術(shù)實(shí)踐與經(jīng)驗(yàn)，包括平臺穩(wěn)定性、易用性、利用率、平臺 k8s 版本升級與二次開發(fā)等內(nèi)容
大型商用時序數(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)檢測算法優(yōu)缺點(diǎn)對比及使用場合比較
人體姿態(tài)估計便是計算機(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)器自動地檢測場景中的人“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)并行的方式在多臺機(jī)器上執(zhí)行
音樂科技、音樂人工智能與計算機(jī)聽覺以數(shù)字音樂和聲音為研究對象，是聲學(xué)、心理學(xué)、信號處理、人工智能、多媒體、音樂學(xué)及各行業(yè)領(lǐng)域知識相結(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)價值
