如何构建亿级用户电商平台的推荐系统?

2017 年 11 月 3 日 Python开发者 CloudBrain


随着机器学习的不断发展,人工智能掀起了新一轮的热潮。这次人工智能的复兴,最大的特点就是AI能够走入业界的真实应用场景,与商业模式紧密结合,开始在产业界发挥出真正的价值。


在业界的真实应用中,如何挖掘用户的隐式反馈数据?

如何通过语义关联,建立深度学习的知识图谱?


云脑机器学习实战训练营,硅谷大咖线上免费授课,中美导师深度辅导,三项挑战等你逐一击破。






主办方介绍



云脑科技是一家跨越中美两地的人工智能行业平台公司,在深度学习(RNN/CNN)、增强学习、NLP、知识图谱领域均拥有大规模项目成功实践经验。

 

2017年1月,云脑科技作为唯一的人工智能技术公司,入选微软上海加速器。

2017年3月,云脑科技进入杭州5050海外高层次人才计划。

2017年8月,云脑科技获选GMIC AI Startup Top 10,是唯一的一家中国企业。

2017年9月,云脑科技获选Hysta Startup Award。

 

迄今,云脑科技推出了四款AI(X)产品,能够帮助企业降低AI技术壁垒,有效地控制风险、智能地匹配分析、精准地营销推广。在四个领域中,国内外达成深度合作的客户有十余家,其中包括银联智惠、上海证券交易所、浪潮软件集团、算话征信、南方电网、金立手机、实习僧、极客学院等企业。云脑科技正逐渐成为最受科技精英关注的品牌,和全球人工智能领域最有影响力的公司之一。

 

承办方介绍



科赛网 Kesci.com 是聚合数据人才和行业问题的在线社区,科赛打造的 K-Lab 在线数据分析协作平台,为数据工作者的学习与工作带来全新的体验。

 通过对接企业的数据算法、数据创新问题和数据人才,科赛目前已吸引数万名专业数据科学家的加入,为企业提供了数千份数据算法、数据产品方案(客户包括平安、联通、华为、携程、拍拍贷等知名企业),创造了可观的经济效益。

 

科赛团队在重点研发的 K-Lab 在线数据分析协作平台是国内首款同类产品,致力于成为数据分析与数据科学人群的首选工具。K-Lab通过集成 Python 和 R 语言生态的丰富功能,以及云计算的强大算力,提高数据科学家和分析师团队的学习效率、工作效率与产出价值。



媒体支持



量子位是专注人工智能的新媒体,追踪AI技术和产品新动态。线上搭建了专业的人工智能社群,其中包含自动驾驶、NLP、机器学习等细分专业群,社群用户涵盖AI全产业链从业者、专家学者及学生。


报名链接


扫描下方二维码,即可报名


登录查看更多
1

相关内容

推荐系统,是指根据用户的习惯、偏好或兴趣,从不断到来的大规模信息中识别满足用户兴趣的信息的过程。推荐推荐任务中的信息往往称为物品(Item)。根据具体应用背景的不同,这些物品可以是新闻、电影、音乐、广告、商品等各种对象。推荐系统利用电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题,个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
商业数据分析,39页ppt
专知会员服务
157+阅读 · 2020年6月2日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
195+阅读 · 2020年3月8日
报告 |事理图谱的构建及应用,附61页pdf
专知会员服务
187+阅读 · 2020年1月17日
【推荐系统/计算广告/机器学习/CTR预估资料汇总】
专知会员服务
86+阅读 · 2019年10月21日
中文知识图谱构建技术以及应用的综述
专知会员服务
311+阅读 · 2019年10月19日
医疗知识图谱构建与应用
专知会员服务
375+阅读 · 2019年9月25日
如何构建行业知识图谱(以医疗行业为例)
【干货】电商数据中台如何构建?
AliData
10+阅读 · 2019年4月4日
推荐系统
炼数成金订阅号
28+阅读 · 2019年1月17日
如何快速入门TensorFlow ?丨极客时间
InfoQ
4+阅读 · 2019年1月8日
业务中台:如何在互联时代,快速响应用户需求?
互联网er的早读课
24+阅读 · 2018年12月26日
智能时代如何构建金融反欺诈体系?
数据猿
12+阅读 · 2018年3月26日
如何利用动态信息数据构建用户画像?
NPDP产品经理资讯
6+阅读 · 2017年10月11日
今日头条推荐系统架构演进之路
QCon
32+阅读 · 2017年6月21日
Hardness-Aware Deep Metric Learning
Arxiv
6+阅读 · 2019年3月13日
Arxiv
10+阅读 · 2019年2月19日
Arxiv
22+阅读 · 2018年8月3日
Arxiv
6+阅读 · 2018年5月18日
Arxiv
8+阅读 · 2018年5月15日
Arxiv
12+阅读 · 2018年1月28日
VIP会员
相关资讯
如何构建行业知识图谱(以医疗行业为例)
【干货】电商数据中台如何构建?
AliData
10+阅读 · 2019年4月4日
推荐系统
炼数成金订阅号
28+阅读 · 2019年1月17日
如何快速入门TensorFlow ?丨极客时间
InfoQ
4+阅读 · 2019年1月8日
业务中台:如何在互联时代,快速响应用户需求?
互联网er的早读课
24+阅读 · 2018年12月26日
智能时代如何构建金融反欺诈体系?
数据猿
12+阅读 · 2018年3月26日
如何利用动态信息数据构建用户画像?
NPDP产品经理资讯
6+阅读 · 2017年10月11日
今日头条推荐系统架构演进之路
QCon
32+阅读 · 2017年6月21日
相关论文
Top
微信扫码咨询专知VIP会员