BI Consult
  • Перейти на QlikSense
  • Перейти на QlikView
  • Перейти на Tableau
  • Перейти на Power BI
  • Контакты
  • +7 812 334-08-01
    +7 499 608-13-06
  • EN
  • Отправить сообщение
  • Главная
  • Продукты Business-Qlik
    • Дистрибуция
    • Розничная торговля
    • Производство
    • Операторы связи
    • Страхование
    • Банки
    • Лизинг
    • Логистика
    • Нефтегазовый сектор
    • Медицина
    • Сеть ресторанов
    • Энергетика
    • Фрод-менеджмент
    • E-Commerce
    • Фармацевтика
    • Построение хранилища данных
    • Создание Data Lake
    • Цифровая трансформация
    • Управление по KPI
    • Финансы
    • Продажи
    • Склад
    • HR
    • Маркетинг
    • Внутренний аудит
    • Категорийный менеджмент
    • S&OP и прогнозная аналитика
    • Геоаналитика
    • Цепочки поставок (SCM)
    • Process Mining
    • Сквозная аналитика
  • Платформы
    • Qlik Sense
    • QlikView
    • Tableau
    • Microsoft Power BI
    • Геоаналитика Qlik GeoAnalytics
    • Qlik NPrinting - рассылка отчетности QlikView/Qlik Sense
    • KliqPlanning Suite - бюджетирование в QlikView
    • ATK BiView-1C Коннектор (для Qlik/Tableau/PowerBI)
    • QlikView/Qlik Sense SAP Коннектор
    • QlikView R-Коннектор
    • Qlik Web Connectors - коннектор Google, Facebook, Twitter
    • Vizlib Qlik Sense extentions (библиотека экстеншнов)
    • Библиотека extention для Qlik
    • Qlik Alerting
    • Qlik Data Integration Platform - создание Data Lake
    • Qlik Data Catalog решение для Data Governance
    • ATK BiView документация
  • Услуги
    • Консалтинг
    • Пилотный проект
    • План обучения и сертификации
    • Подготовка специалистов по Qlik
    • Бесплатное обучение Qlik
    • Сертификация Qlik
    • Поддержка
    • Технические задания
    • Сбор требований для проекта внедрения BI-системы
    • Аудит приложений Qlik и Tableau
    • Разработка BI Стратегии
    • Styleguide для BI-системы
    • Как выбрать BI-систему
  • Курсы
    • Учебный курс по Qlik Sense
    • Учебный курс по Tableau
    • Учебный курс по Microsoft Power BI
    • Учебный курс Информационная грамотность (Data Literacy)
    • Учебный курс Современная архитектура хранилища данных
    • Учебный курс для бизнес-аналитиков
    • Учебный курс по NPrinting
    • Учебный курс по BigQuery
    • Учебный курс по Azure Databricks
    • Учебный курс по DWH
    • Учебный курс по Data Governance
    • Учебный курс по Data Science (ML, AI)
    • Учебный курс администратора Qlik Sense
  • Компания
    • Руководство
    • Новости
    • Клиенты
    • Карьера
    • Скачать
    • Контакты

Услуги

  • Консалтинг
    • Продуктивный и согласованный анализ закупок, продаж и маркетинговых активностей в Fashion-Retail
    • Тренинг «S&OP для производственно-торговых компаний»
    • Проект внедрения Qlik
  • План обучения и сертификации
    • Учебные курсы Qlik
    • Учебные курсы Tableau
    • Учебные курсы Microsoft PowerBI
  • Бесплатное обучение
  • Сертификация Qlik
  • Пилотный проект
  • Сопровождение и поддержка
  • Технические задания
  • Сбор требований для проекта внедрения BI-системы
  • Аудит приложений QlikView / Qlik Sense / Tableau
  • Разработка BI Стратегии
    • Становясь Data-Driven организацией: скрытые возможности и проблемы
  • Styleguide для BI-системы
  • Как выбрать подходящую современную BI-систему

Отраслевые решения

  • Дистрибуция
    • Business-Qlik Дистрибуция
  • Розничная торговля
    • Business-Qlik Розничная торговля
    • Business-Qlik Розничная торговля: DIY
    • Business-Qlik Розничная торговля: Fashion
    • Business-Qlik для сетей аптек
    • BusinessPack для Tableau: POS - Point of Sales Perfomance
  • Производство
    • Business-Qlik Производство
  • Операторы связи
  • Банки
    • Business-Qlik for Banking на базе QlikView/Qlik Sense
    • Бизнес-аналитика в банке
  • Страхование
  • Фармацевтика
    • Business-Qlik Фармацевтика
  • Нефтегазовый сектор
  • Лизинг
  • Логистика
  • Медицина
  • Сеть ресторанов
  • Энергетика
  • E-Commerce
  • Анализ мошенничеств (фрод-менеджмент)

Функциональные решения

  • Управление по KPI
    • Самоуправляемая компания
  • Финансы
    • Бюджетирование
    • Консолидация финансовой отчетности
    • Панель управления, KPI для CFO
    • Рабочий капитал
    • Финансовая отчетность по МСФО
    • Платежный календарь / прогнозный ДДС
  • Продажи
    • Анализ данных из CRM
    • Планирование
  • Склад
  • Категорийный менеджмент
  • HR
  • Маркетинг
  • Внутренний аудит
  • Построение хранилища данных
  • Геоаналитика, аналитика на географической карте
  • Цепочка поставок (SCM)
  • S&OP и прогнозная аналитика
    • Прогнозная аналитика
    • Прогноз спроса на основании данных о вторичных продажах
  • Разработка стратегии цифровой трансформации
  • Сквозная аналитика
  • Process Mining
Главная » Курсы » Учебный курс Современная архитектура хранилища данных

Статьи и тексты о машинном обучении

Статьи и тексты о машинном обучении

Здесь представлены статьи, и блоги о данных и машинном обучении в производственной среде.

Не знаете, как реализовать свой проект с машинным обучением? Узнайте, как это удалось другим компаниям:

  • Как сформулирована проблема (например, персонализация в виде recsys, поиска и последовательностей)
  • Какие методы машинного обучения сработали (а какие нет)
  • Почему это работает? Наука в основе исследований, литература и ссылки 
  • Какие реальные результаты достигнуты (чтобы вы могли лучше оценить рентабельность инвестиций)

P.S. Хотите краткий обзор достижений машинного обучения? ml-опросы

P.P.S. Ищете руководства и интервью по применению ML? applyingML

 

Содержание

  1. Качество данных
  2. Инженерия данных
  3. Обнаружение данных
  4. Магазины функций
  5. Классификация
  6. Регресс
  7. Прогнозирование
  8. Рекомендации
  9. Поиск и рейтинг
  10. Вложения
  11. Обработка естественного языка
  12. Последовательное моделирование
  13. Компьютерное зрение
  14. Обучение с подкреплением
  15. Обнаружение аномалий
  16. График
  17. Оптимизация
  18. Выделение информации
  19. Слабый надзор
  20. Поколение
  21. Аудио
  22. Валидация и A/B-тестированием
  23. Управление моделью
  24. Эффективность
  25. Этика
  26. Платформы MLOps
  27. Практики
  28. Структура команды
  29. Неудачи

 

Качество данных

  1. Мониторинг качества данных в масштабе с помощью статистического моделирования  Uber
  2. Подход к качеству данных для систем персонализации Netflix  Netflix
  3. Автоматизация крупномасштабной проверки качества данных (статья)  Amazon
  4. Знакомьтесь, Hodor – Инструмент качества данных разведки и добычи Gojek Gojek
  5. Надежный и масштабируемый прием данных на Airbnb Airbnb
  6. Проблемы управления данными в производственном машинном обучении (статья) Google
  7. Повышение точности путем достоверной оценки человеческих решений, ярлыков и оценщиков (статья) Facebook

 

Инженерия данных

  1. Zipline: платформа управления данными для машинного обучения Airbnb Airbnb
  2. Sputnik: фреймворк Apache Spark для инженерии данных Airbnb Airbnb
  3. Разделение рабочих процессов Data Science с помощью Metaflow и функций AWS Step Netflix
  4. Как DoorDash масштабирует свою платформу данных, чтобы удовлетворить клиентов и растущий спрос  DoorDash
  5. Масштабная революция в движении денег с надежной согласованностью данных  Uber
  6. Zipline – платформа для разработки декларативных функций Airbnb
  7. Инфраструктура данных в реальном времени в Uber Uber

 

Обнаружение данных

  1. Amundsen — движок Lyft по обнаружению данных и метаданных  Lyft
  2. Открытый исходный код Amundsen: платформа для обнаружения данных и метаданных (код)  Lyft
  3. Amundsen: Год спустя Lyft
  4. Использование Amundsen для обеспечения конфиденциальности пользователей с помощью сбора метаданных на Square  Square
  5. Обнаружение и использование данных аналитики в Twitter Twitter
  6. Демократизация данных на Airbnb Airbnb
  7. Databook: превращение больших данных в знания с помощью метаданных в Uber Uber
  8. Превращение метаданных в аналитическую информацию с помощью Databook Uber
  9. Metacat: обеспечение доступности и значимости больших данных в Netflix (код) Netflix
  10. Изучение данных @ Netflix Netflix
  11. DataHub: универсальный инструмент поиска и обнаружения метаданных (код) LinkedIn
  12. DataHub: популярные архитектуры метаданных LinkedIn
  13. Как мы улучшили обнаружение данных для специалистов по данным в Spotify Spotify
  14. Как мы решаем проблемы обнаружения данных в Shopify Shopify
  15. Nemo: открытие данных в Facebook Facebook
  16. Атлас Apache: управление данными и структура метаданных для Hadoop (код) Apache
  17. Сбор, агрегирование и визуализация метаданных (кода) экосистемы данных (Code) WeWork
  18. Изучение данных в Netflix (код) Netflix

 

Магазины функций

  1. Представляем Feast: магазин функций с открытым исходным кодом для машинного обучения (код)  Gojek
  2. Праздник: объединение моделей машинного обучения и данных Gojek
  3. Создание масштабируемого хранилища функций машинного обучения с помощью Redis, двоичной сериализации и сжатия  DoorDash
  4. Building Riviera: декларативный фреймворк для разработки функций в реальном времени  DoorDash
  5. Michelangelo Palette: платформа для разработки функций в Uber  Uber
  6. Оптимальное обнаружение функций: более совершенные и экономичные модели машинного обучения на базе теории информации  Uber
  7. Распределенные путешествия во времени для создания новых функций Netflix
  8. Магазин фактов в масштабе для рекомендаций Netflix Netflix
  9. Архитектура магазина функций Twitter Twitter
  10. Построение графика активности, часть 2 (раздел хранилища функций)  LinkedIn
  11. Быстрое экспериментирование через стандартизацию: типизированные функции ИИ для ленты LinkedIn  LinkedIn
  12. Ускорение машинного обучения с помощью службы хранилища функций Condé Nast
  13. Создание магазина функций Monzo Bank
  14. Zipline: платформа управления данными машинного обучения Airbnb Airbnb
  15. Инфраструктура обслуживания функций машинного обучения в Lyft Lyft
  16. Butterfree: фреймворк на основе Spark для создания магазина функций (код) QuintoAndar

 

Классификация

  1. Высокоточная классификация документов на основе фраз в современном масштабе (статья)  LinkedIn
  2. Chimera: крупномасштабная классификация с использованием машинного обучения, правил и краудсорсинга (статья)  WalmartLabs
  3. Глубокое обучение: категоризация продуктов и полки Walmart
  4. Масштабная категоризация товаров для электронной коммерции (статья) DianPing, eBay
  5. Масштабная категоризация товаров в электронной коммерции с использованием множественных рекуррентных нейронных сетей (статья)  NAVER
  6. Категоризация продуктов в масштабе  Shopify
  7. Обучение диагностике с помощью рекуррентных нейронных сетей LSTM (статья) Google
  8. Выявление и классификация намерений сообщений в приложении на Airbnb Airbnb
  9. Как мы создали хорошую функцию «Первые выпуски» GitHub
  10. Обучение машин сортировке ошибок Firefox Mozilla
  11. Более эффективное тестирование Firefox с помощью машинного обучения Mozilla
  12. Использование машинного обучения для пациентов, получающих цифровые психиатрические вмешательства (статья) Microsoft
  13. Прогнозирование оттока рекламодателей для Google AdWords (Статья)  Google
  14. Масштабируемая классификация данных для обеспечения безопасности и конфиденциальности (статья)  Facebook
  15. Раскрытие передовых методов работы с меню доставки в Интернете с помощью машинного обучения  DoorDash
  16. Использование Human-in-the-Loop для решения проблемы холодного запуска в пункте меню с тегом  DoorDash

 

Регресс

  1. Использование машинного обучения для прогнозирования стоимости домов на Airbnb Airbnb
  2. Использование машинного обучения для прогнозирования ценности рекламных запросов  Twitter
  3. Открытый исходный код Riskquant, библиотека для количественной оценки риска (код)  NetFlix
  4. Решение для ненаблюдаемых данных в модели регрессии с помощью простой корректировки данных  DoorDash

 

Прогнозирование

  1. Прогнозирование в Uber: введение Uber
  2. Инженерное прогнозирование экстремальных событий в Uber с RNN Uber
  3. Преобразование финансового прогнозирования с помощью науки о данных и машинного обучения в Uber Uber
  4. Под капотом автоматизированного инструмента прогнозирования Gojek GoJek
  5. BusTr: прогнозирование времени в пути на автобусе на основе данных о трафике в реальном времени (статья, видео)  Google
  6. Переобучение моделей машинного обучения после COVID-19 DoorDash
  7. Управление балансом спроса и предложения с помощью машинного обучения DoorDash
  8. Автоматическое прогнозирование с использованием Prophet, Databricks, Delta Lake и MLflow (статья и код) Atlassian
  9. Greykite: гибкая, интуитивно понятная и быстрая библиотека прогнозов LinkedIn

 

Рекомендации

  1. Рекомендации Amazon.com: совместная фильтрация товаров (статья) Amazon Amazon
  2. Темпорально-контекстная рекомендация в реальном времени (статья)  Amazon
  3. P-Companion: основа для рекомендаций по диверсифицированным дополнительным продуктам (статья)  Amazon
  4. Рекомендации дополнительных товаров в push-уведомлениях электронной торговли (статья) Alibaba
  5. Глубокий интерес к сети иерархического внимания для прогнозирования рейтинга кликов (статья) Alibaba
  6. Преобразователь последовательности поведения для рекомендаций по электронной коммерции в Alibaba (статья)  Alibaba
  7. TPG-DNN: метод прогнозирования намерений пользователя с многозадачным обучением (статья)  Alibaba
  8. PURS: персонализированная система неожиданных рекомендаций для повышения удовлетворенности пользователей (статья) Alibaba
  9. SDM: модель последовательного глубокого сопоставления для крупномасштабной онлайн-рекомендательной системы (статья) Alibaba
  10. Многопользовательская сеть с динамической маршрутизацией для рекомендаций в Tmall (статья)  Alibaba
  11. Контролируемая многосторонняя структура для рекомендаций (статья)  Alibaba
  12. MiNet: сеть со смешанным интересом для междоменного прогнозирования кликабельности (статья) Alibaba
  13. ATBRG: Сеть реляционного графа адаптивного поведения цели для эффективных рекомендаций (статья)  Alibaba
  14. Сессионные рекомендации с рекуррентными нейронными сетями (статья)  Telefonica
  15. Как 20th Century Fox использует машинное обучение для прогнозирования аудитории фильма (статья)  20th Century Fox
  16. Глубокие нейронные сети для YouTube. Рекомендации YouTube
  17. Персональные рекомендации для впечатлений от использования глубокого обучения TripAdvisor
  18. Электронная коммерция в вашем почтовом ящике: рекомендации по продуктам в масштабе Yahoo
  19. Масштабные рекомендации по продуктам (статья) Yahoo
  20. На основе ИИ: система рекомендаций Instagram Explore  Facebook
  21. Рекомендации Netflix: за пределами пяти звезд (часть 1 (часть 2)  Netflix
  22. Изучение персонализированной домашней страницы Netflix
  23. Персонализация художественных работ в Netflix Netflix
  24. Продолжение следует: Помогаем вам находить шоу для продолжения просмотра на Netflix  Netflix
  25. Калиброванные рекомендации (статья) Netflix
  26. Отбор образцов задней части для Slate Bandits (статья) Netflix
  27. Доставка еды с Uber Eats: рекомендации для торговой площадки Uber
  28. Доставка еды с Uber Eats: использование графического обучения для поддержки рекомендаций  Uber
  29. Как работает музыкальная рекомендация, и как не работает  Spotify
  30. Музыкальные рекомендации в Spotify Spotify
  31. Как рекомендовать музыку на Spotify с помощью глубокого обучени Spotify
  32. Только для ушей: персонализация Spotify Home с помощью машинного обучения Spotify
  33. Достигнуть вершины: как Spotify создал ярлыки всего за шесть месяцев Spotify
  34. Исследуй, эксплуатируй и объясняй: персонализация объяснимых рекомендаций с помощью Bandits (статья) Spotify
  35. Контекстные и последовательные пользовательские вложения для крупномасштабных музыкальных рекомендаций (статья) Spotify
  36. Эволюция комплекта: автоматизация маркетинга с помощью машинного обучения Shopify
  37. Использование машинного обучения, чтобы предсказать, какой файл вам нужен будет дальше (часть 1) Dropbox
  38. Использование машинного обучения, чтобы предсказать, какой файл вам нужен будет дальше (часть 2)  Dropbox
  39. Персональные рекомендации в LinkedIn Learning LinkedIn
  40. Более пристальный взгляд на ИИ. Рекомендации по обучению в LinkedIn (часть 1) LinkedIn
  41. Более пристальный взгляд на ИИ. Рекомендации по обучению в LinkedIn (часть 2) LinkedIn
  42. Научиться быть актуальным: эволюция системы рекомендаций по курсу LinkedIn
  43. Создание неоднородной системы рекомендаций социальных сетей LinkedIn
  44. Как TikTok рекомендует видео #ForYou ByteDance
  45. Метаобучение рекомендаций холодного старта для товаров (статья) Twitter
  46. Извлеченные уроки преодоления предвзятости набора данных при генерации кандидатов на основе моделей (статья)  Twitter
  47. Нулевой гетерогенный перенос обучения от RecSys к поисковому поиску с холодным запуском (статья) Google
  48. Улучшенная глубокая и кросс-сеть для перекрестного обучения функций в веб-системах LTR (статья) Google
  49. Самоконтролируемое обучение для рекомендаций по крупномасштабным предметам (статья) Google
  50. Смешанная отрицательная выборка для изучения двухбашенных нейронных сетей в рекомендациях (статья) Google
  51. Персонализированные рекомендации каналов в Slack Slack
  52. Deep Retrieval: сквозная обучаемая модель структуры для крупномасштабных рекомендаций (статья) ByteDance
  53. Данные будущего помогают обучению: моделирование будущих контекстов для рекомендаций на основе сеансов (статья) Tencent
  54. Использование ИИ для помощи экспертам в области здравоохранения в борьбе с пандемией COVID-19 Facebook
  55. Практический пример рекомендаций на основе сеансов в сфере улучшения домашнего быта (статья) Home Depot
  56. Уравновешивание актуальности и открытия для вдохновения клиентов в приложении IKEA (статья) Ikea
  57. Pixie: система для рекомендации 3+ миллиардов товаров 200+ миллионам пользователей в реальном времени (статья) Pinterest
  58. Как мы используем AutoML, многозадачное обучение и модели с несколькими башнями для Pinterest Ads Pinterest Pinterest
  59. Многозадачное обучение для рекомендаций по сопутствующим товарам в Pinterest  Pinterest
  60. Повышение качества рекомендуемых пинов с помощью облегченного ранжирования Pinterest Pinterest
  61. Системы рекомендаций рекламодателей в Pinterest Pinterest
  62. Персонализированный фильтр кухни, основанный на предпочтениях клиентов и местной популярности DoorDash
  63. Как мы создали алгоритм поиска партнеров для перекрестных продаж продуктов Gojek

 

Поиск и рейтинг

  1. Amazon Search: радость ранжирования продуктов (статья, видео, код) Amazon
  2. Почему люди покупают, казалось бы, нерелевантные товары в голосовом поиске продуктов? (статья) Amazon
  3. Семантический поиск продуктов (статья) Amazon
  4. QUEEN: переписывание нейронных запросов в электронной коммерции (статья)  Amazon
  5. Как Lazada ранжирует продукты для улучшения качества обслуживания клиентов и повышения конверсии Lazada
  6. Масштабное использование глубокого обучения в хронике Twitter Twitter
  7. Поисковый рейтинг Airbnb на основе машинного обучения Airbnb
  8. Применение глубокого обучения к поиску Airbnb (статья)  Airbnb
  9. Управление разнообразием в поиске Airbnb (статья) Airbnb
  10. Улучшение глубокого обучения для поиска Airbnb (статья)  Airbnb
  11. Рейтинг релевантности в поиске Yahoo (статья) Yahoo
  12. Ансамблевой подход к прогнозированию CTR для продвигаемых листингов на Etsy (статья) Etsy
  13. Обучение ранжированию результатов персонализированного поиска в профессиональных сетях (статья) LinkedIn
  14. Модели персонализированного поиска талантов с функциями древовидного взаимодействия (статья) LinkedIn
  15. Персонализация во время сеанса для поиска талантов (статья) LinkedIn
  16. Искусственный интеллект в системе поиска и рекомендаций рекрутеров LinkedIn LinkedIn
  17. Изучение предпочтений при приеме на работу: ИИ, который стоит за вакансиями в LinkedIn LinkedIn
  18. Соответствие качества с помощью персонализированного ИИ для предпочтений нанимателей и соискателей LinkedIn
  19. Понимание времени ожидания для улучшения рейтинга каналов LinkedIn LinkedIn
  20. Размещение рекламы в ленте с помощью ограниченной оптимизации (статья, видео) LinkedIn
  21. Системы поиска и рекомендации талантов в LinkedIn (статья) LinkedIn
  22. Понимание времени ожидания для улучшения рейтинга каналов LinkedIn LinkedIn
  23. ИИ в масштабе в Bing  Microsoft
  24. Механизм понимания запросов в Traveloka. Универсальный поиск Traveloka
  25. Секрет персонализации поиска GoJek
  26. Доставка еды с Uber Eats: создание механизма понимания запросов Uber
  27. Поиск нейронного кода: поиск кода на основе машинного обучения с использованием запросов на естественном языке Facebook
  28. Байесовский рейтинг продуктов на Wayfair Wayfair
  29. COLD: На пути к следующему поколению системы предварительного ранжирования (статья) Alibaba
  30. Оптимизированный на глобальном уровне рейтинг взаимного влияния в поиске в электронной коммерции (статья)  Alibaba
  31. Graph Intention Network для прогнозирования CTR в спонсируемом поиске (статья) Alibaba
  32. Обучение с подкреплением для ранжирования в поисковой системе электронной коммерции (статья) Alibaba
  33. Агрегирование результатов поиска из разнородных источников с помощью обучения с подкреплением (статья) Alibaba
  34. Междоменная сеть внимания с регуляторами Вассерштейна для поиска в сфере электронной торговли Alibaba
  35. Понимание поиска лучше, чем когда-либо прежде (статья) Google
  36. Shop The Look: создание крупномасштабной системы визуальных покупок в Pinterest (статья, видео) Pinterest
  37. Повышение продаж на Pinterest. Поиск Pinterest
  38. GDMix: платформа персонализации для глубокого ранжирования (код) LinkedIn
  39. Персонализированный поиск на Etsy Etsy
  40. Создание более совершенной поисковой системы для исследователей семантики  Allen Institute for AI
  41. Анализ запросов для корпоративного поиска на естественном языке (статья)  Salesforce
  42. Как мы использовали семантический поиск, чтобы сделать наш поиск в 10 раз умнее Tokopedia
  43. Поддержка поиска и рекомендаций в DoorDash DoorDash
  44. Вещи, а не строки: понимание намерений поиска с помощью DoorDash, способного лучше вспоминать DoorDash
  45. Понимание запроса для поиска недостаточно обслуживаемого музыкального контента (статья)  Spotify
  46. Как мы создали контекстно-зависимую систему ставок для Etsy Ads Etsy
  47. Query2vec: расширение поискового запроса с встраиванием запросов GrubHub
  48. Поиск на основе встраивания в поиске в Facebook (статья)  Facebook
  49. На пути к персонализированному и семантическому поиску для поиска в сфере электронной коммерции посредством встраивания обучения (статья)  JD
  50. MOBIUS: на пути к следующему поколению сопоставления запросов и объявлений в спонсируемом поиске Baidu Baidu
  51. Ранжирование на основе предварительно обученной языковой модели в поисковой системе Baidu (статья)  Baidu

 

Вложения

  1. Рекомендации по внедрению товаров в миллиардном масштабе для сферы электронной коммерции в Alibaba (статья) Alibaba
  2. Вложения в Twitter Twitter
  3. Размещение встраиваемых материалов в поисковом рейтинге (статья) Airbnb
  4. Понимание скрытого стиля Stitch Fix
  5. На пути к глубокому и репрезентативному обучению для поиска талантов в LinkedIn (статья)  LinkedIn
  6. Стоит ли встраивать? Исследование производительности встраиваний для рекомендаций в реальном времени (статья) Moshbit
  7. Векторное представление товаров, покупателя и тележки для построения системы рекомендаций (статья)  Sears
  8. Машинное обучение для лучшего опыта разработчиков Netflix
  9. Представляем ScaNN: эффективный поиск по сходству векторов (статья, код)  Google
  10. Персонализированная лента магазинов с векторными вложениями DoorDash
  11. Получение на основе встраивания в Scribd Scribd

 

Обработка естественного языка

  1. Обнаружение ненормативной лексики в пользовательском онлайн-контенте (статья) Yahoo
  2. Как обработка естественного языка помогает участникам LinkedIn легко получать поддержку LinkedIn
  3. Создание умных ответов на сообщения участников  LinkedIn
  4. DeText: глубокая структура НЛП для интеллектуального понимания текста (код)  LinkedIn
  5. Умный ответ: автоматический ответ для электронной почты (статья) Google
  6. Gmail Smart Compose: написание в реальном времени (статья) Google
  7. SmartReply для авторов YouTube Google
  8. Использование нейронных сетей для поиска ответов в таблицах (статья) Google
  9. Масштабируемый подход к снижению гендерных предубеждений в Google Translate Google
  10. Вспомогательный ИИ упрощает ответы Microsoft
  11. ИИ продвигается к лучшему распознаванию языка ненависти Facebook
  12. Современный чат-бот с открытым исходным кодом (статья) Facebook
  13. Высокоэффективная система преобразования текста в речь в реальном времени, развернутая на процессорах Facebook
  14. Глубокое обучение для перевода между языками программирования (статья, код) Facebook
  15. Развертывание обучения на основе диалога в открытом диалоге на протяжении всей жизни (статья) Facebook
  16. Представляем Dynabench: переосмысление методов тестирования ИИ Facebook
  17. Dynaboard: переход от точности к целостной оценке моделей в НЛП (Код) Facebook
  18. Целенаправленные сквозные разговорные модели с функциями профиля в реальных условиях (Статья) Amazon
  19. Как Gojek использует НЛП, чтобы назвать места выдачи заказов в Scale GoJek
  20. Дайте мне джинсы, а не обувь: как BERT помогает нам делать то, что хотят клиенты Stitch Fix
  21. Современный чат-бот с открытым доменом на китайском и английском языках (статья) Baidu
  22. PEGASUS: современная модель обобщения абстрактного текста (статья, код) Google
  23. Photon: надежная междоменная система преобразования текста в SQL (статья) (демо) Salesforce
  24. GeDi: новый мощный метод управления языковыми моделями (статья, код) Salesforce
  25. Применение тематического моделирования для улучшения работы операторского центра RICOH
  26. WIDeText: мультимодальная структура глубокого обучения Airbnb
  27. Dynaboard: переход от точности к оценке целостной модели в НЛП Facebook
  28. Как мы сократили время выполнения схожести текста на 99,96% Microsoft

 

 

Узнать стоимость решенияЗапросить видео презентацию

Последовательное моделирование

  1. Практика моделирования длительного последовательного поведения пользователей для прогнозирования кликабельности (статья) Alibaba
  2. Моделирование интереса пользователей на основе поиска с последовательными данными о поведении для прогнозирования CTR (статья) Alibaba
  3. Глубокое обучение для электронных медицинских карт (статья) Google
  4. Глубокое обучение для понимания истории потребителей (статья) Zalando
  5. Непрерывное прогнозирование посещаемости уведомлений в классических и глубоких сетях (статья) Telefonica
  6. Использование моделей рекуррентных нейронных сетей для раннего обнаружения сердечной недостаточности (статья) Sutter Health
  7. Doctor AI: Прогнозирование клинических событий с помощью рекуррентных нейронных сетей (статья) Sutter Health
  8. Как Duolingo использует ИИ во всех частях своего приложения Duolingo
  9. Использование социальных взаимодействий в Интернете для повышения честности в Facebook (статья, видео) Facebook

 

Компьютерное зрение

  1. Категоризация фотографий объявлений на Airbnb Airbnb
  2. Обнаружение удобств и не только – новые рубежи компьютерного зрения в Airbnb Airbnb
  3. На основе искусственного интеллекта: улучшение понимания продукта и создание новых возможностей для покупок Facebook
  4. Новое исследование искусственного интеллекта, помогающее прогнозировать потребности в ресурсах COVID-19 с помощью рентгеновских лучей (статья, модель) Facebook
  5. Создание современного конвейера OCR с использованием компьютерного зрения и Deep Learning Dropbox
  6. Как мы улучшили показатели компьютерного зрения более чем на 5% только за счет устранения ошибок маркировки Deepomatic
  7. Нейронная модель погоды для восьмичасового прогнозирования осадков (статья) Google
  8. Оценка ущерба на основе машинного обучения для оказания помощи при стихийных бедствиях (статья) Google
  9. RepNet: Подсчет повторов в видео (статья) Google
  10. Преобразование текста в изображения для обнаружения продуктов (статья) Amazon
  11. Как Disney использует PyTorch для распознавания анимированных персонажей Disney
  12. Создание подписей к изображениям как вспомогательная технология (видео) IBM
  13. AI для AG: производственное машинное обучение для сельского хозяйства Blue River
  14. ИИ для автономного вождения Tesla
  15. Распознавание продуктов в супермаркетах на устройстве Google
  16. Использование машинного обучения для определения недостаточного охвата при обследовании колоноскопии (статья) Google
  17. Shop The Look: создание крупномасштабной системы визуальных покупок в Pinterest (статья, видео) Pinterest
  18. Разработка в реальном времени автоматического определения языка жестов для видеоконференцсвязи (статья) Google
  19. Ориентированное на видение ценовое предложение на подержанные товары в Интернете (статья) Alibaba
  20. Как заставить машины распознавать и расшифровывать разговоры на собраниях с помощью аудио и видео Microsoft
  21. Эффективный подход к обучению распознаванию лиц в очень больших масштабах (статья) Alibaba
  22. Определение типов документов в Scribd Scribd

 

Обучение с подкреплением

  1. Глубокое обучение с подкреплением для размещения ставок в режиме реального времени через спонсируемый поиск (статья) Alibaba
  2. Динамическое ценообразование на платформе электронной коммерции с глубоким обучением с подкреплением (статья) Alibaba
  3. Торги с ограничениями по бюджету с помощью обучения с подкреплением без использования моделей в медийной рекламе (статья) Alibaba
  4. Глубокое обучение с подкреплением с помощью Spark и MLflow Zynga
  5. Глубокое обучение с подкреплением в производстве, часть 1, часть 2 Zynga
  6. Создание торговых систем искусственного интеллекта Denny Britz
  7. Обучение с подкреплением для логистики по требованию DoorDash
  8. Обучение с подкреплением для ранжирования в поисковой системе электронной коммерции (статья) Alibaba

 

Обнаружение аномалий

  1. Обнаружение аномалий производительности при развертывании внешнего микропрограммного обеспечения Netflix
  2. Выявление и предотвращение злоупотреблений в LinkedIn с помощью Isolation Forests (код) LinkedIn
  3. Предотвращение злоупотреблений с помощью неконтролируемого обучения LinkedIn
  4. Технологии борьбы с домогательствами в LinkedIn LinkedIn
  5. Раскрытие заговора о страховом мошенничестве с помощью сетевого обучения (статья) Ant Financial
  6. Как работает защита от спама в Stack Exchange? Stack Exchange
  7. Автоматическая модерация контента в электронной коммерции C2C  Mercari
  8. Блокирование приглашающего спама в Slack с помощью машинного обучения Slack
  9. Cloudflare Bot Management: машинное обучение и многое другое Cloudflare
  10. Аномалии колебаний температуры масла в туннельном бурильном станке SENER
  11. Использование обнаружения аномалий для мониторинга клиентов банка с низким уровнем риска  Rabobank
  12. Борьба с мошенничеством с Triplet Loss OLX Group
  13. Facebook теперь использует ИИ для сортировки контента для более быстрой модерации (альтернатива) Facebook
  14. Как ИИ лучше распознает разжигание ненависти Ч. 1, Ч. 2, Ч. 3, Ч. 4 Facebook
  15. Обнаружение глубоких аномалий с помощью Spark и Tensorflow (видео Hopsworks (Swedbank, Hopsworks

 

График

  1. Создание сети знаний LinkedIn LinkedIn
  2. График розничной торговли – сеть знаний о продуктах Walmart Walmart
  3. Доставка еды с Uber Eats: использование графического обучения для поддержки рекомендаций  Uber
  4. AliGraph: платформа комплексной графической нейронной сети (статья) Alibaba
  5. Расширение доступа к знаниям и их извлечения на Airbnb Airbnb
  6. Контекстуализация Airbnb с помощью построения сети знаний Airbnb
  7. Прогнозирование трафика с помощью расширенных графических нейронных сетей DeepMind
  8. SimClusters: рекомендации сообщества в отношении рекомендаций (статья, видео) Twitter
  9. Агрегированная сеть соседей, управляемая метапутами, для анализа неоднородных графов (статья) Alibaba
  10. Сеть Graph Intention Network для прогнозирования CTR в спонсируемом поиске (статья) Alibaba
  11. JEL: Применение сквозного связывания нейронных сущностей в JPMorgan Chase (статья) JPMorgan Chase
  12. Сверточные нейронные сети с графами для рекомендательных систем веб-масштаба (Статья) Pinterest

 

Оптимизация

  1. Как выводы о поездках и машинное обучение оптимизируют время доставки в Uber Uber
  2. Оптимизация следующего поколения для рассылки Dasher в DoorDash DoorDash
  3. Подбор игроков в Lyft Line (Часть 1) (Часть 2) (Часть 3)  Lyft
  4. Данные и наука, лежащие в основе совместного использования GrabShare Grab
  5. Оптимизация времени ожидания пассажиров в лифтах с помощью машинного обучения Thyssen Krupp AG
  6. Подумайте о пакете: рекомендуемые типы пакетов для отправок в сфере электронной коммерции (статья) Amazon
  7. Оптимизация маркетинговых расходов DoorDash с помощью машинного обучения DoorDash

 

Извлечение информации

  1. Неконтролируемое извлечение атрибутов и их значений из описания продукта (статья)  Rakuten
  2. Извлечение информации из чеков с помощью графных сверточных сетей Nanonets
  3. Использование машинного обучения для индексации текста из миллиардов изображений Dropbox
  4. Извлечение структурированных данных из шаблонных документов (статья) Google
  5. AutoKnow: самостоятельный сбор знаний о продуктах тысяч типов (статья, видео) Amazon
  6. Однократная маркировка текста с использованием внимания и распространения убеждений для извлечения информации (статья) Alibaba

 

Слабый контроль

  1. Snorkel DryBell: пример внедрения слабого надзора в промышленных масштабах (статья) Google
  2. Osprey: слабое наблюдение за проблемами несбалансированного извлечения без кода (статья) Intel
  3. Overton: система данных для мониторинга и улучшения продуктов с машинным обучением (статья) Apple
  4. Настройка переговорных агентов со слабым контролем (статья) IBM

 

Поколение

  1. Лучшие языковые модели и их значение (статья)  OpenAI
  2. Языковые модели – немногие изучающие (статья) (пост в блоге GPT-3)  OpenAI
  3. Изображение GPT (статья, код) OpenAI
  4. Высокообученное сверхвысокое разрешение для производства художественных фильмов (статья) Pixar
  5. Генерация модульных тестов с помощью трансформаторов Microsoft

 

Аудио

  1. Улучшение распознавания речи на устройстве с помощью VoiceFilter-Lite (статья) Google
  2. Машинное обучение при поиске Google

 

Валидация и A/B-тестирование

  1. Многоразовая задержка: сохранение достоверности адаптивного анализа данных (статья) Google
  2. Эксперименты в Twitter: технический обзор Twitter
  3. Экспериментируйте, чтобы побороть зубрежку Twitter
  4. Создание интеллектуальной платформы для экспериментов с Uber Engineering Uber
  5. Анализ результатов экспериментов: эффекты лечения, выходящие за рамки среднего Uber
  6. Под капотом экспериментальной платформы Uber Uber
  7. Объявление о новой платформе для разработки оптимальных экспериментов с Pyro (статья) Uber
  8. Возможность в 10 раз больше с экспериментальной платформой Traveloka Traveloka
  9. Крупномасштабные эксперименты с исправлением стежка (статья) Stitch Fix
  10. Многорукие бандиты и экспериментальная платформа Stitch Fix Stitch Fix
  11. Эксперименты с исправлением стежка ограничения ресурсов Stitch Fix
  12. Лучшее моделирование коэффициентов конверсии и сбережения миллионов с использованием распределений Каплана-Мейера и гамма-распределения (код) Better
  13. Это все о A/В тестировании: экспериментальная платформа Netflix  Netflix
  14. Вычислительная причинно-следственная связь в Netflix (статья) Netflix
  15. Ключевые проблемы с квазиэкспериментами в Netflix Netflix
  16. Ограниченная байесовская оптимизация с шумными экспериментами (статья) Facebook
  17. Обнаружение помех: A/B-тест или A/B-тесты  LinkedIn
  18. Как сделать экспериментальную машину LinkedIn в 20 раз быстрее LinkedIn
  19. Наша эволюция в сторону T-REX: предыстория экспериментальной инфраструктуры в LinkedIn LinkedIn
  20. Как использовать квазиэксперименты и контрфактические методы для создания отличных продуктов Shopify
  21. Повышение экспериментальной мощности за счет управления с использованием прогнозов в виде ковариантов Doordash
  22. Поддержка быстрого изменения продукта с помощью платформы экспериментального анализа DoorDash
  23. Увеличение количества онлайн-экспериментов в 4 раза за счет распараллеливания и повышения чувствительности DoorDash
  24. Использование причинно-следственного моделирования для получения большей отдачи от плоских результатов эксперимента DoorDash
  25. Итерация алгоритмов назначения в реальном времени с помощью экспериментов DoorDash
  26. Проведение экспериментов с Google Adwords для оптимизации кампании DoorDash
  27. Новая экспериментальная платформа Spotify (Часть 1) (Часть 2) Spotify
  28. Перекрывающаяся экспериментальная инфраструктура: больше, лучше, быстрее экспериментируйте (статья) Google
  29. Экспериментальная платформа в Zalando: Часть 1 - Эволюция  Zalando
  30. Масштабирование экспериментальной платформы Airbnb Airbnb
  31. Проектирование ограждений для экспериментов Airbnb
  32. Надежные и масштабируемые переключатели функций и SDK для A/B-тестирования в Grab Grab
  33. Васаби, платформа для A/B-тестирования с открытым исходным кодом (код) Intuit
  34. Создание платформы для A/B-тестирования Pinterest  Pinterest

 

Управление моделью

  1. Взлетно-посадочная полоса – управление жизненным циклом модели в Netflix Netflix
  2. Overton: система данных для мониторинга и улучшения продуктов с машинным обучением (статья) Apple
  3. Управление моделями машинного обучения в масштабе – платформа Intuit для машинного обучения Intuit
  4. Внедрение машинного обучения – управление происхождением от исходных данных до прогнозов Comcast
  5. Мониторинг модели ML – 9 советов из окопов Nubank

 

Эффективность

  1. GrokNet: магистраль унифицированной модели компьютерного зрения и встраивания для сферы электронной коммерции (статья) Facebook
  2. Перестановка, квантование и точная настройка: эффективное сжатие нейронных сетей (статья) Uber
  3. Как мы масштабировали Bert для обслуживания более 1 миллиарда ежедневных запросов на процессорах Roblox

 

Этика

  1. Создание инклюзивных продуктов с помощью A/B-тестирования (статья) LinkedIn
  2. LiFT: масштабируемая структура для измерения справедливости в приложениях машинного обучения (статья) LinkedIn

 

Инфра

  1. Реинжиниринг платформ глубокого обучения Facebook AI для взаимодействия Facebook
  2. Эластичное распределенное обучение с XGBoost на Ray Uber

 

Платформы MLOps

  1. Управление моделями машинного обучения в масштабе – платформа машинного обучения Intuit Intuit
  2. Внедрение машинного обучения – управление происхождением от необработанных данных до прогнозов Comcast
  3. Платформа машинного обучения больших данных в Pinterest Pinterest
  4. Платформа вывода машинного обучения в реальном времени в Zomato Zomato
  5. Знакомьтесь, Микеланджело: платформа машинного обучения Uber Uber
  6. Построение гибких ансамблевых моделей машинного обучения с помощью вычислительного графа DoorDash
  7. LyftLearn: инфраструктура обучения модели машинного обучения, построенная на Kubernetes Lyft
  8. «Вам не нужна большая лодка»: полный конвейер данных, созданный с помощью инструментов с открытым исходным кодом (статья) Coveo
  9. Базовое моделирование в Instagram Instagram
  10. Открытый исходный код Metaflow – ориентированная на человека структура для науки о данных Netflix

 

Практики

  1. Практические рекомендации по градиентному обучению глубинным архитектурам (статья) Yoshua Bengio
  2. Машинное обучение: кредитная карта с высоким процентом технического долга (статья) Google
  3. Правила машинного обучения: лучшие практики машинного обучения Google
  4. О проблемах управления моделями машинного обучения Amazon
  5. Машинное обучение в производстве: подход Booking.com Booking
  6. 150 успешных моделей машинного обучения: 6 уроков, извлеченных на Booking.com (статья) Booking
  7. Успехи и проблемы масштабного внедрения машинного обучения в глобальном банке Rabobank
  8. Проблемы при развертывании машинного обучения: обзор конкретных примеров (статья) Cambridge
  9. Непрерывная интеграция и развертывание для онлайн-обслуживания машинного обучения и моделей Uber
  10. Настройка производительности модели Uber
  11. Реинжиниринг платформ глубокого обучения Facebook AI для взаимодействия Facebook
  12. Проблема с инструментами разработки ИИ для компаний Databricks
  13. Поддержание точности модели машинного обучения с помощью мониторинга DoorDash
  14. Создание масштабируемых и эффективных маркетинговых систем машинного обучения в Wayfair Wayfair

 

Структура команды

  1. Инженерам не следует писать ETL: руководство по созданию высокофункционального исправления ошибок в отделе обработки и анализа данных Stitch Fix
  2. Остерегайтесь фабрики выводов Data Science: мощь универсального исправления Full-Stack Data Stitch Fix
  3. Развитие алгоритмов: как мы развиваем науку о данных в Stitch Fix StitchFix
  4. Аналитика в Netflix: кто мы и чем занимаемся Netflix

 

Неудачи

  1. 160k + старшеклассников закончат обучение только в том случае, если модель позволит им International Baccalaureate
  2. Когда дело доходит до горилл, Google Фото остается слепым Google
  3. Алгоритм, который «предсказывает» преступность на основе лица, вызывает ярость Harrisburg University
  4. Сложно создать нейронный текст из GPT-3 о мусульманах OpenAI
  5. Британский инструмент искусственного интеллекта для прогнозирования насильственных преступлений слишком несовершенен для использования United Kingdom
  6. Больше о awful-ai

 

P.S. Хотите краткий обзор достижений машинного обучения? Будьте в курсе дел с нашими обзорами ml-опросы

 

 

Узнать стоимость решенияЗапросить видео презентацию

Запросить видео презентацию Запросить доступ к демо стенду online

Задать вопрос

loading...

Решения

Анализировать ФинансыУвеличивайте ПродажиОптимальный Склад и ЛогистикаМаркетинговые Метрики

Клиенты

  • CBRE является ведущей компанией на мировом рынке, предоставляющей полный спектр услуг в области недвижимости и инвестиций.

    Модули:

    • Анализ клиентов и сотрудников
    • Анализ конъюктуры рынка
    • Анализ воронки продаж
  • Concept Club
    Детализированный план-фактный анализ продаж и прибыли в разрезах магазинов/регионов/брендов/номенклатурных групп/коллекций/SKU с детализацией до дня
    Сравнительный Like-for-like анализ продаж по показателям товарооборот, прибыль, средний чек, проходимость, конверсия и т.д. в разрезах (Факт/Факт и План/Факт)
    Факторный анализ продаж, расходов, себестоимости, маржинальности
    Отчет по контролю корректности расчетов по поконтрольным значениям
    Построение трендов продаж для оценки адекватности планирования
    Отчет P&L консолидированный и по регионам/бизнес-юнитам/брендам/юр.лицам
    Прогноз P&L на текущий месяц с индикацией по контрольным значениям с возможносью создания версий и внесения корректировок 
    Отчет "Cash-Flow" консолидированный и по юр.лицам
    Отчет "Баланс" консолидированный и по юр.лицам
    Совмещенное товарное планирование ("пилы/кривулины"): реализация интерактивной модели товародвижения в разрезах, анализ жизненного цикла товаров, планирование уценок (скрытых/открытых)
    Совмещенный анализ оборачиваемости и среднего товарного запаса в разрезах.
  • компания Золотые луга
    Панель управления с отображением ключевых показателей деятельности;
    Прогноз реализации по заданным алгоритмам: выполнение плана на неделю, месяц;
    Динамика прироста получателей продукции
    Выявление потенциальных возможностей допоставок получателям из схожих областей/групп
    Анализ возвратов/претензий (факты, причины, отклонения)
    ДЗ, ПДЗ, отклонение от лимитов
    Остатки товарных позиций на дату и в динамике
    Наличие товара на складе (Out-of-Stock)
    Анализ «Что-Если»
    Анализ собственных цен в разрезе филиалов, в том числе в динамике, Сравнение с ценами конкурентов
    Анализ ключевых показателей в различных разрезах
    Сравнительный (LFL) анализ во времени
    Визуализация на географической карте
    Конструктор отчетов
    Анализ заказов (Воронка, конверсия, доли)
  • STADA Arzneimittel AG — это международная группа компаний, один из ведущих игроков на мировом фармацевтическом рынке, чья продукция представлена более чем в 130 странах, в том числе в России и СНГ. Создано BI решение в области: Продажи, Анализ складских запасов, Анализ персонала

  • Решения
    • Дистрибуция
    • Розничная торговля
    • Производство
    • Операторы связи
    • Банки
    • Страхование
    • Фармацевтика
    • Лизинг
    • Логистика
    • Медицина
    • Нефтегазовый сектор
    • Сеть ресторанов
  • Продукты
    • Qlik Sense
    • QlikView
    • Tableau
    • Microsoft Power BI
    • ATK BiView-1C Коннектор (для Qlik/Tableau/PowerBI)
    • Vizlib Qlik Sense extentions (библиотека экстеншнов)
    • NPrinting
    • Геоаналитика Qlik GeoAnalytics
    • KliqPlanning Suite
    • Qlik WebConnectors
    • QlikView R Коннектор
    • QlikView/Qlik Sense SAP Коннектор
    • Alteryx
    • Qlik Data Catalog
    • Документация ATK BiView
  • Услуги
    • Консалтинг
    • Пилотный проект
    • Поддержка
    • План обучения и сертификации Qlik
    • Бесплатное обучение
    • Учебные курсы
    • Сертификация Qlik
    • Аудит приложений
  • Курсы
    • Учебный курс по Qlik Sense
    • Учебный курс по Tableau
    • Учебный курс по Microsoft Power BI
    • Учебный курс Современная архитектура хранилища данных
    • Учебный курс Информационная грамотность
    • Учебный курс для бизнес-аналитиков
    • Учебный курс по NPrinting
    • Учебный курс по Azure Databricks
    • Учебный курс по Google BigQuery
  • Компания
    • О нас
    • Руководство
    • Новости
    • Клиенты
    • Скачать
    • Контакты
  • Функциональные решения
    • Продажи
    • Финансы
    • Склад
    • HR
    • S&OP и прогнозная аналитика
    • Внутренний аудит
    • Геоаналитика
    • Категорийный менеджмент
    • Построение хранилища данных
    • Система управления KPI и BSC
    • Управление цепочками поставок
    • Маркетинг
    • Цифровая трансформация
    • Сквозная аналитика
    • Process Mining
QlikView Partner
LinkedInYouTubeVkontakteFacebook
ООО "Би Ай Консалт",
ИНН: 7811437757,
ОГРН: 1097847154184
199178, Россия,
Санкт-Петербург,
6-ая линия В.О., Д. 63, 4 этаж
Тел: +7 (812) 334-08-01
Тел: +7 (499) 608-13-06
E-mail: info@biconsult.ru