- 1、本文档共34页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
当当推荐团队的机器学习实践-TOP100summit全球软件案例智库
Top 100 Cas e
O f The Years
全 球 软 件 案 例 研 究 峰 会 St udies
当当推荐团队的机器学习实践
张相於 推荐系统
开发经理 当当
www.top100s ummit.c om
摘要
• 本案例介绍了当当推荐组构建机器学习
系统的实践过程、工程方法、经验教
训 以及总结和反思。
• 本案例的特点是:“面向过程”、“面
向系统”和“面向小团队”,希望从
不 同的视角为大家带来参考价值。
分享定位
• 本次分享里没有什 • 本次分享里有什么
么 • 实战过程和方法
• 机器学习入门 论
指南 • 踩坑实录
• 秒杀一切的炫酷新模 • 经验、教训和关
型 键点
• 一统江湖的高大上架 • 面向过程,而不是面
向结果
提纲
• 简论小团队
• 当当机器学习系统实
践
• 系统构建“七宗罪”
• 作为软件系统的挑战
• Q A
简论小团队
当当推荐的机器学习团队
• 团队规模: 5 人左右
• 负责该套机器学习系统的全流程搭建
、 维护和升级等工作
为什么会出现小团队?
• 团队发展的必经过程
• 风险考虑
• 招聘市场人才稀缺
小团队的挑战
小团队的优势
当当推荐机器学习系统
实践
全 球 软 件 案 例 研 究 峰 会
推荐后台整体架
系统交互
全 球 软 件 案 例 研 究 峰 会
机器学习系统架
初期探索阶段
• 工具:
• R
• Python
• R 的问题
典型开发流程
系统开发 V S 盖房
子
工具选择
模型训练 样本收集处理 特征工程 可视化展示
•liblinear •Flume •Hadoop •Pyt hon
•xgboost •Kafka •Spark •js
•S
文档评论(0)