用户头像

王喆

Sr. Machine Learning SDE&Team Lead@Roku

2019.9.12 加入

毕业于清华大学计算机系,现任Roku资深机器学习工程师,推荐系统架构负责人,曾任Hulu高级研究员。
主要研究方向推荐系统、计算广告,发表相关领域论文和专利10余项,《深度学习推荐系统》、《百面机器学习》作者。
关注
  • 14

    发布数

  • 6

    关注者

  • 0

    关注了

仅查看写作平台发布内容
回顾经典,Netflix的推荐系统架构
回顾经典,Netflix 的推荐系统架构

这篇文章我们回顾一篇经典博客,Netflix 官方博客介绍的推荐系统架构,虽然文章发布已有六年, 但是现在回看起来我自己还是蛮惊讶的,因为 Netflix 的推荐系统架构居然到现在依然是主流。

专访DLP-KDD最佳论文作者,探讨图神经网络的特点、发展与应用
专访 DLP-KDD 最佳论文作者,探讨图神经网络的特点、发展与应用

深入探讨当前的学术及工程热点“图神经网络”的发展和应用

在深度学习的浪潮中,如何做好一名算法工程师?
在深度学习的浪潮中,如何做好一名算法工程师?

当把模型的知识压缩成知识体系,零散的知识点才能变成紧凑的知识面

YouTube深度学习推荐模型最全总结
YouTube 深度学习推荐模型最全总结

详细介绍 YouTube 推荐系统的模型结构和技术细节。

推荐系统工程难题:如何做好深度学习CTR模型线上Serving
推荐系统工程难题:如何做好深度学习 CTR 模型线上 Serving

如何将离线训练好的模型部署于线上生产环境,进行实时推理,一直是业界难点。

谷歌、阿里等10大深度学习CTR模型最全演化图谱
谷歌、阿里等 10 大深度学习 CTR 模型最全演化图谱

本文总结了广告、推荐领域最为流行的 10 个深度学习 CTR 模型的结构特点,构建了它们之间的演化图谱。

盘点前深度学习时代阿里、谷歌、Facebook的CTR预估模型
盘点前深度学习时代阿里、谷歌、Facebook 的 CTR 预估模型

原创技术专栏“深度学习 CTR 预估模型实践”的第三篇文章

前深度学习时代CTR预估模型的演化之路:从LR到FFM
前深度学习时代 CTR 预估模型的演化之路:从 LR 到 FFM

本文是王喆在 AI 前线 开设的原创技术专栏“深度学习 CTR 预估模型实践”的第二篇文章(以下“深度学习 CTR 预估模型实践”简称“深度 CTR 模型”)。专栏第一篇文章回顾:《深度学习 CTR 预估模型凭什么成为互联网增长的关键?》。重看王喆老师过往精彩文章:《重读 Youtube 深度学习推荐系统论文,字字珠玑,惊为神文》、《YouTube 深度学习推荐系统的十大工程问题》。

深度学习CTR预估模型凭什么成为互联网增长的关键?
深度学习 CTR 预估模型凭什么成为互联网增长的关键?

《深度学习 CTR 预估模型实践》专栏开篇

解构阿里深度兴趣网络(DIN):如何将注意力机制引入推荐系统?
解构阿里深度兴趣网络(DIN):如何将注意力机制引入推荐系统?

本文以阿里的深度兴趣网络(DIN)为例讲解了推荐系统中的注意力机制。

王喆