大家好,欢迎来到CAML-技术共享平台

CAML平台致力于整理和分享互联网广告领域的核心问题和解决方案。博主水平有限,期望能与对此话题感兴趣的朋友一起学习、交流、探讨与分享。

众所周知,机器学习是一门交叉性很强的学科,而我们这里主要想分享和探讨的是如何利用机器学习这把利器,有效地解决在线广告领域中的学习问题,最终达到通过learning from data提升数据价值和流量变现效率。

注:计算广告与机器学习(Computational Advertising and Machine Learning;简称CAML)


《深入浅出机器学习》系列笔记


工作之余整理的《深入浅出机器学习》系列笔记,主要从机器学习模型角度按照“家族划分”的方式,整理出机器学习10大家族。不够全面,但涵盖了经典和主要的机器学习算法。


《机器智能工具组件》系列总结


开源的机器智能工具组件 (Open-source Machine Intelligence Toolkits)主要为两大类智能学习问题提供“完整工具链路”的解决方案。分别是:

  • 大数据智能:基于Parameter Server和MPI两套分布式计算框架为基础研发的超大规模机器学习训练工具,可以方便地在Yarn集群提交任务,同时也支持单机版(支持并行计算)。

    其中,基于MPI的分布式算法是以ADMM作为算法框架,核心思想是将一个大的任务分解成多个子任务进而求解。

  • 智能决策:以强化学习和深度学习为核心技术,基于TensorFlow和MxNet开发的智能决策算法工具组件,适用于交互场景的决策问题建模和序列化场景的预测建模,如广告投放机制、金融交易与决策场景等。

OpenMIT主要基于DMLC基础组件(dmlc-core, rabit, ps-lite等)、深度学习MxNet和TensorFlow研发的机器智能工具组件,并且在广告算法相关场景得到验证并产出不错的效果。


《强化学习与智能决策》