强化学习
强化学习是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。
（深入篇）漫游语音识别技术—带你走进语音识别技术的世界
前有古人，后有小王，大家好，我是你们爱思考的小王学长，今天咱们继续漫游语音识别技术哈，今天内容稍微专业一些，大家可以结合上一篇漫游语音识别技术一起学习。
360 展示广告智能化演进
本文主要介绍了效果优化系统随业务发展的演进过程，聚焦如何使用算法解决客户痛点，实现广告投放智能化。使大家了解到展示广告算法团队如何分析业务，如何选择算法，如何优化系统的过程。
跨越计算鸿沟：如何靠软硬件协同突破算力瓶颈？| InfoQ 大咖说
数据、算法、算力被称作深度学习的三架马车，共同驱动了第三轮人工智能浪潮的兴起。一方面，硬件计算能力的发展确实快速推动深度学习技术在各个领域取得巨大进展，但另一方面，深度学习模型升级的频率显著高于过去，模型的计算力需求呈爆炸式增长，已经将过去多年来累积的计算力成本下降的红利迅速蚕食。
深度广度模型在用户购房意愿量化的应用
本文主要介绍了深度广度模型在用户价值量化上的应用，包括 wide&deep 的应用与迭代，端到端与预训练的讨论以及时序模型与深度广度模型的结合，在预测结果上也取得了较为明显的正向收益，提高了头部准确率。
详解 Graph Embedding 经典方法：算法原理、代码实现与应用样例
图神经网络 DeepWalk 算法原理 DeepWalk 算法图网络现在非常的流行，应用场景也十分的广泛，在推荐领域应用也十分广泛。
《AI 前线》（2020 年 8 月）
本期主要内容：百度七剑客王啸对话一流科技袁进辉：新基建开启程序员时代，10 年催生 10 倍以上互联网机会；工资 2 到 2.5 倍，国内两大芯片厂被曝挖走台积电 100 多位工程师。
推荐系统的未来发展
本文从政策及技术发展对推荐系统的影响、推荐系统的就业变化、推荐系统的应用场景及交互方式、推荐算法与工程架构、人与推荐系统的有效协同、推荐系统多维度价值体现等 6 个方面来讲解推荐系统的未来发展
PyTorch 1.6 发布，微软接管 Windows 版的开发工作
Facebook 的深度学习开源框架 PyTorch 发布了 1.6 版本，带来了新的 API 和性能改进。与此同时，微软宣布将接管该框架 Windows 版本的开发和维护工作。
机器学习模型在携程海外酒店推荐场景中的应用
酒店涉及到的推荐场景较多，例如城市热门酒店推荐、附近同类型酒店推荐、机票页酒店交叉推荐、Meta 着陆页相似酒店推荐、信息流推荐等。 大部分场景都实现了个性化的推荐服务，其核心就是一组酒店与一组用户相匹配的挑战。本文介绍机器学习模型在携程海外酒店推荐场景中的应用。
