1 论文摘要及介绍 在推荐系统或者广告系统中，CTR、CVR预估至关重要。不同于视觉和音频领域连续的原始特征，这些任务场景的输入特征大多数是多类型的离散特征， 且特征之间相互...
发简信
IP属地：吉林
-
CTR预估系列(一)-FNN论文阅读笔记 -
-
-
本专题收录的作品类型：各种类别的小说、有特定主题的专栏文章。 投稿指南在此： http://www.jianshu.com/p/0d10205f92ef 投稿须知： 1.请作者用心管理自己的作品，为作品建立文集和专题，在文章中加上目录和上下章节的链接，排版优美的作品优先收录。请参考管理员的做法：http://www.jianshu.com/notebooks/3430395/latest， http://www.jianshu.com/collection/4f8c4c500d44， http://www.jianshu.com/p/9179ab0d2269 ， http://www.jianshu.com/p/eead1ccde6d7 2.单篇文章字数尽量超过1000字，否则可以几篇合作一篇。 3.请尽量保证文章的质量，避免流水账。 4.文章标题需要加上作品名称和章节号。 以及，挖坑要填哦！！！
-
本专题仅收录求职、简历、换工作、职业规划、招聘、职场干货、上班感悟、管理提升、工作效率等与上班相关文章。 专题投稿和推荐到首页等事宜请看须知：http://www.jianshu.com/p/a74168f36c2d 专题主编：不世虹霓 https://www.jianshu.com/u/70c7ef96b1b3 官方交流群【简书•上班这点事儿】 各位作者大大们好～我是咱专题的新主编（简书ID：不世虹霓），很高兴认识大家(o^^o) 有几个关于专题的小变化想和大家分享： 1、从今天起，每天会由我们专题的首席推广官 @美熙酱 在 专题的几个社群内分享专题日报，核心内容主要包括：专题好文推荐（每日3篇，帮助作者提升阅读量）、金句分享等，未来还会不断更新补充内容。如果你们有什么想要了解的资讯，也欢迎随时告诉我们哟～ 2、目前专题有3个社群，平时都静悄悄的，也有不少小伙伴重复进群。为了营造更好的社群氛围，让它重新激发活力，这个月我们会就社群进行一些调整。每个群会设定不同主题，之后会组织线上交流、研讨活动，也会陆续邀请一些职场咖给我们做群内经验分享。此外，每个群会有一名『专题金牌导师』常驻，和大家进行更多交流互动。原则上每位小伙伴不重复入群，具体规则和活动稍后公布，敬请期待。 3、群内可分享任何来自简书的链接（包括简书各个公众号），但不可以分享其他的一切外链（包括公公众号及个人名片、截图），不可以发任何推广、广告信息，否则群主和管理员会直接抱走，随时损失几个亿哦～ 衷心希望大家能在上班专题有所收获，有所成长。 最后：你一定要努力，但千万别着急😘
-
如果你是程序员，或者有一颗喜欢写程序的心，喜欢分享技术干货、项目经验、程序员日常囧事等等，欢迎投稿《程序员》专题。 专题主编：小彤花园 http://www.jianshu.com/users/4a4eb4feee62/ 【程序员】专题拒稿指北：http://www.jianshu.com/p/7c8b33b5f63b 投稿须知： 1.收录相关技术文章，但不限于技术，也可以是项目经验类的文章和程序员日常。 2.文章內不得有任何推广信息。包括但不限于公众号、微博、微信，更不得在通过投稿后再修改文章加入推广信息。你可以将这些推广以及个人信息放在个人主页介绍里。 3.字数极少，段落混乱，大段代码没有放到代码框的文章不收录 4.不相关的内容不收录，请确认文章内容和本专题相关 目前针对优质作者及爱好者，开设了官方程序员微信群，希望加入请发简信给主编小彤花园索取个人微信，主编会将你加入到【程序员】微信群，分享内容，收获知识。添加微信时备注昵称。
-
欢迎来到@产品专题，本专题汇集了30多万的小伙伴，每天有100篇优质文章的投稿，更有优质的产品社群。 @产品专题主要收录的是：产品、设计、技术、运营、体验、文档、工具、经验总结、项目总结等类型的优质文章。 专题投稿须知 1、所投稿的文章必须是原创作品，具有一定的可读性。 2、① App、软件推荐／评测类建议转投工具癖 ② 营销、文案类建议转投广告圈 ③ 职场成长类建议转投上班这点事儿 3、文章內不得有任何推广信息。包括但不限于公众号、微博、微信、豆瓣、QQ个人资料；不必要的外链；文章图片有微信水印、或者网站水印有推广嫌疑的。 4、本专题拒绝任何形式的全文转载内容。 专题投稿指南： https://www.jianshu.com/p/8bb3bcd951ce 专题主编：文俊粥 https://www.jianshu.com/u/0df55b412537 可添加主编微信：vk201205（文俊，备注：简书产品加群）
-
机器学习之分类性能度量指标 : ROC曲线、AUC值、正确率、召回率同见博客：http://zhwhong.cn/2017/04/14/ROC-AUC-Precision-Recall-analysis/(对Latex公式支持更好) 在分类任...
-
发布David原创的Tensorflow和深度学习笔记，也欢迎志同道合的朋友投稿
-
实战OpenCV与深度学习
-
深度学习
-
只选深度文章，学习为人处事。
