shenweichen/AlgoNotes
1.8k sao GitHub và vẫn tăng — shenweichen/AlgoNotes là dự án đa ngôn ngữ mà TopGit đang theo dõi trên nền tảng. 【浅梦学习笔记】文章汇总:包含 排序&CXR预估,召回匹配,用户画像&特征工程,推荐搜索综合 计算广告,大数据,图算法,NLP&CV,求职面试 等内容
Tóm tắt dựng từ metadata GitHub của chính dự án — chưa có bài review TopGit. Trang sẽ tự động cập nhật khi bài review đầy đủ được xuất bản.
TopGit viết bài đầy đủ cho repo có nhiều sao nhất và được yêu cầu nhiều nhất. Trang này là snapshot trong thời gian chờ — xem README gốc ở tab READ ME.
Snapshot
Cộng tác viên hàng đầu
Xem cộng tác viên hàng đầu
浅梦学习笔记 公众号文章汇总
目录
- 排序&CXR预估
- 召回匹配
- 用户画像&特征工程
- 精彩讨论&知识沉淀
- 推荐搜索综合
- 计算广告
- 大数据
- 图算法
- NLP&CV
- 求职面试
公众号:浅梦学习笔记
|
微信:deepctrbot
|
|
排序&CXR预估
- 京东推荐算法精排技术实践
- 贝壳CVR转化率预估模型实践
- 强化学习在京东广告序列推荐中的应用
- QQ音乐排序模型优化
- 重排序在快手短视频推荐系统中的演进
- 张俊林:推荐系统排序环节特征 Embedding 建模
- 美团搜索排序实践
- KDD 2022 | 快手提出基于因果消偏的观看时长预估模型D2Q,解决短视频推荐视频时长bias难题
- 从顶会论文看2022年推荐系统序列建模的趋势
- 揭秘京东广告精排百分位AUC提升技术方案
- [美团]基于强化学习的信息流广告分配方法CrossDQN
- [阿里]对抗过滤建模用户长期行为序列
- 快手牛亚男:基于多Domain多任务学习框架和Transformer,搭建快手精排模型
- 阿里飞猪个性化搜索排序探索实践
- 京东推荐算法精排技术实践
- 深度粗排模型的GMV优化实践:基于全空间-子空间联合建模的蒸馏校准模型
- 多目标推荐场景下的深度学习实践
- 主流推荐与垂类推荐技术的发展与延伸
- 知乎搜索排序模型的演进
- 网易云音乐推荐中的用户行为序列深度建模
- 全新的深度模型在推荐系统中的应用
- 阿里新一代Rank技术
- 广义多目标算法探索实践
- CSCNN:新一代京东电商广告排序模型
- 多目标排序在58同城房源推荐中的实践探索
- 深度时空网络、记忆网络与特征表达学习在 CTR 预估中的应用
- Attention机制在深度学习推荐算法中的应用
- 阿里1688直播推荐算法实践
- CTR预估在动态样式建模和特征表达学习方面的进展
- [SIGIR2021] StackRec框架:加速训练100层序列推荐模型
- 腾讯音乐:全民K歌推荐系统架构及粗排设计
- 京东搜索在线学习探索实践
- 阿里 at SIGIR’2021 | 粗排模型如何进行性能与效率的权衡
- 多目标排序在快手短视频推荐中的实践
- 深度学习在省钱快报推荐排序中的应用与实践
- 深度学习多目标优化的多个loss应该如何权衡
- IJCAI2020 | 双重样本感知的因子分解机(附代码)
- 深度排序模型在淘宝直播的演进与应用
- 阿里粗排技术体系与最新进展
- TensorFlow Estimator 模型从训练到部署
- 多任务学习在推荐算法中的应用
- 浅谈Learning to Rank中的RankNet和LambdaRank算法
- 线上线下效果一致性杂谈
- 多目标推荐场景下的深度学习实践
- 推荐系统中模型训练及使用流程的标准化
- 增量学习在CTR模型训练中的实践
- 深度学习技术在美图个性化推荐的应用实践
- UC 信息流推荐模型在多目标和模型优化方面的进展
- 序列检索系统在淘宝首页信息流重排中的实践(文末下载重排经典论文合集)
- 大幅提升训练性能,字节提出新型分布式DNN训练架构
- 腾讯FAT | 未来感知的多样化趋势推荐框架
- 推荐系统rerank模型梳理&论文推荐
- DCN-M:Google提出改进版DCN,用于大规模排序系统的特征交叉学习(附代码)
- 分类模型与排序模型在推荐系统中的异同分析
- 推荐系统中的排序学习
- CIKM20 | 阿里MiNet:跨域点击率预估混合兴趣模型
- KDD19 | 微软DeepGBM:使用树蒸馏提升在线预测任务下深度模型效果
- 推荐系统rank模块-Online Learning
- IJCAI19 | 推荐系统论文DSIN:Deep Session Interest Network
- Life-long兴趣建模视角CTR预估模型:Search-based Interest Model
- Ctr 预估之 Calibration
- AAAI20 | 阿里DMR:融合Match中协同过滤思想的深度排序模型
- 线下auc涨,线上ctr/cpm跌的原因和解决办法
- 【视频讲解】DeepCTR中的xDeepFM原理和实现
- 【视频讲解】DeepCTR中的Deep&Cross Net原理和实现
- 【视频讲解】DeepCTR中的Wide&Deep原理和实现
- 【视频讲解】DeepCTR中的DeepFM原理和实现
- 常见CTR论文挑刺
- 万字长文梳理CTR预估模型发展过程与关系图谱
- Evolution of CTR prediction models
- AAAI19 | 谷歌SNR: 灵活参数共享的多任务学习网络
- CIKM19 | 如何刻画用户的多样兴趣——阿里MIND阅读笔记
- CIKM19 | Fi-GNN 通过图神经网络建模特征交互作用来进行CTR预测
- WWW18 | TEM:结合GBDT叶节点嵌入的可解释推荐模型
- 教你玩转deepctr的FLEN模型& Kaggle Avazu实验对比
- 浅谈流式模型训练体系
- 【CTR预估】FLEN: 一种时空高效的利用特征场信息缓解梯度耦合的CTR预测模型
- 【CTR预估】CTR模型如何加入稠密连续型和序列型特征?
- 【CTR预估】你真的需要 pairwise LTR吗?速览搜索推荐中pointwise和pairwise方法
- Learning to rank基本算法小结
召回匹配
- 图神经网络在快手推荐召回中的应用和挑战
- 深度学习下的京东搜索召回技术
- Embedding技术在商业搜索与推荐场景的实践
- 字节跳动高伟豪:训练目标不一致?损失无法学习?深度召回解难题!
- 多序列融合召回在新用户冷启动上的应用
- 内容推荐场景下多模态语义召回的若干实践
- 淘宝逛逛召回算法实践总结
- 全民K歌内容挖掘与召回
- 阿里深度树匹配召回体系演进
- Hulu在Content Embedding的探索与实践
- "全能选手"召回表征算法实践
- 张俊林:从对比学习视角,重新审视推荐系统的召回粗排模型
- 阿里飞猪个性化推荐:召回篇
- 深度召回在招聘推荐中的挑战和实践
- Embedding技术在房产推荐中的应用
- 模型化召回在陌陌社交推荐的应用和探索
- 第四范式自动化推荐系统:搜索协同过滤中的交互函数
- 阿里深度树匹配召回体系演进
- RALM: 实时 Look-alike算法在微信看一看中的应用
- 推荐场景中召回模型的演化过程
- 360展示广告召回系统的演进
- 字节跳动Deep Retrieval召回模型笔记
- Embedding 技术在民宿推荐中的应用
- EMBEDDING 在大厂推荐场景中的工程化实践
- KDD18 | 阿里新一代召回系统TDM读后感
- 再评Airbnb的经典Embedding论文
- 推荐系统召回层做离线评估的一种姿势
- SIGIR20 | 一文综述Learning to Match各种方法对比
- 推荐系统主流召回方法综述
- 一文梳理推荐系统的中 EMBEDDING 的应用实践
- Faiss - 常见问题总结
- CIKM18 | CFGAN:基于生成对抗网络的协同过滤框架
- 从 Triplet loss 看推荐系统中文章Embedding
- SDM(Sequential Deep Matching Model)的复现之路
- RecSys19 | 谷歌最新双塔DNN召回模型——应用于YouTube大规模视频推荐场景
- 向量化召回在360信息流广告的实践
- DeepMatch :用于推荐&广告的深度召回匹配算法库
- 【DeepMatch教程】YoutubeDNN在MovieLen1M数据集上进行向量召回
- KDD19 | 算法调研-微信看一看Embedding
- CIKM18 | Ripple Net:融合知识图谱的推荐模型
- 跨境电商Etsy如何使用交互行为类型进行可解释推荐
- 搜索推荐中的召回匹配模型综述(一)--传统方法
- 搜索推荐中的召回匹配模型综述(二)--基于表示学习的深度学习方法
- 搜索推荐中的召回匹配模型综述(三)--基于匹配函数学习的深度学习方法
用户画像&特征工程
- 王志杰:如何构建好的用户画像?
- 推荐算法中的特征工程
- 网易大数据用户画像实践
- 用户画像在阅文的探索与实践
- 美团实时特征平台建设实践
- 网易严选画像建设实践
- ⾼维特征的哈希技巧总结
- SIGIR20 | 超越用户embedding矩阵:用哈希对大型用户建模
- 浅谈电商搜索推荐中ID类特征的统一建模:Hema Embedding解读
- 用户画像必会的行为偏好计算方法
精彩讨论&知识沉淀
- 学习交流小组每周主题摘要 No.125
- 学习交流小组每周主题摘要 No.124
- 学习交流小组每周主题摘要 No.123
- 学习交流小组每周主题摘要 No.122
- 学习交流小组每周主题摘要 No.121
- 学习交流小组每周主题摘要 No.120
- 学习交流小组每周主题摘要 No.119
- 学习交流小组每周主题摘要 No.118
- 学习交流小组每周主题摘要 No.117
- 学习交流小组每周主题摘要 No.116
- 学习交流小组每周主题摘要 No.115
- 学习交流小组每周主题摘要 No.114
- 学习交流小组每周主题摘要 No.113
- 学习交流小组每周主题摘要 No.112
- 学习交流小组每周主题摘要 No.111
- 学习交流小组每周主题摘要 No.110
- 学习交流小组每周主题摘要 No.109
- 学习交流小组每周主题摘要 No.108
- 学习交流小组每周主题摘要 No.107
- 学习交流小组每周主题摘要 No.106
- 学习交流小组每周主题摘要 No.105
- 学习交流小组每周主题摘要 No.104
- 学习交流小组每周主题摘要 No.103
- 学习交流小组每周主题摘要 No.102
- 学习交流小组每周主题摘要 No.101
- 学习交流小组每周主题摘要 No.100
- 学习交流小组精彩内容摘要 No.99
- 学习交流小组精彩内容摘要 No.98
- 学习交流小组精彩内容摘要 No.97
- 学习交流小组精彩内容摘要 No.96
- 学习交流小组精彩内容摘要 No.95
- 学习交流小组精彩内容摘要 No.94
- 学习交流小组精彩内容摘要 No.93
- 学习交流小组精彩内容摘要 No.92
- 学习交流小组精彩内容摘要 No.91
- 学习交流小组精彩内容摘要 No.90
- 学习交流小组精彩内容摘要 No.89
- 学习交流小组精彩内容摘要 No.88
- 学习交流小组精彩内容摘要 No.87
- 学习交流小组精彩内容摘要 No.86
- 学习交流小组精彩内容摘要 No.85
- 学习交流小组精彩内容摘要 No.84
- 学习交流小组精彩内容摘要 No.83
- 学习交流小组精彩内容摘要 No.82
- 学习交流小组精彩内容摘要 No.81
- 学习交流小组精彩内容摘要 No.80
- 学习交流小组精彩内容摘要 No.79
- 学习交流小组精彩内容摘要 No.78
- 学习交流小组精彩内容摘要 No.77
- 学习交流小组精彩内容摘要 No.76
- 学习交流小组精彩内容摘要 No.75
- 学习交流小组精彩内容摘要 No.74
- 学习交流小组精彩内容摘要 No.73
- 学习交流小组精彩内容摘要 No.72
- 学习交流小组精彩内容摘要 No.71
- 学习交流小组精彩内容摘要 No.70
- 学习交流小组精彩内容摘要 No.69
- 学习交流小组精彩内容摘要 No.68
- 学习交流小组精彩内容摘要 No.67
- 学习交流小组精彩内容摘要 No.66
- 学习交流小组精彩内容摘要 No.65
- 学习交流小组精彩内容摘要 No.64
- 学习交流小组精彩内容摘要 No.63
- 学习交流小组精彩内容摘要 No.62
- 学习交流小组精彩内容摘要 No.61
- 学习交流小组精彩内容摘要 No.60
- 学习交流小组精彩内容摘要 No.59
- 学习交流小组精彩内容摘要 No.58
- 学习交流小组精彩内容摘要 No.57
- 学习交流小组精彩内容摘要 No.56
- 学习交流小组精彩内容摘要 No.55
- 学习交流小组精彩内容摘要 No.54
- 学习交流小组精彩内容摘要 No.53
- 学习交流小组精彩内容摘要 No.52
- 学习交流小组精彩内容摘要 No.51
- 学习交流小组精彩内容摘要 No.50
- 学习交流小组精彩内容摘要 No.49
- 学习交流小组精彩内容摘要 No.48
- 学习交流小组精彩内容摘要 No.47
- 学习交流小组精彩内容摘要 No.46
- 学习交流小组精彩内容摘要 No.44
- 学习交流小组精彩内容摘要 No.45
- 学习交流小组精彩内容摘要 No.43
- 学习交流小组精彩内容摘要 No.42
- 学习交流小组精彩内容摘要 No.41
- 学习交流小组精彩内容摘要 No.40
- 学习交流小组精彩内容摘要 No.39
- 学习交流小组精彩内容摘要 No.38
- 学习交流小组精彩内容摘要 No.37
- 学习交流小组精彩内容摘要 No.36
- 学习交流小组精彩内容摘要 No.35
- 学习交流小组精彩内容摘要 No.34
- 学习交流小组精彩内容摘要 No.33
- 学习交流小组精彩内容摘要 No.32
- 学习交流小组精彩内容摘要 No.31
- 学习交流小组精彩内容摘要 No.30
- 学习交流小组精彩内容摘要 No.29
- 学习交流小组精彩内容摘要 No.28
- 学习交流小组精彩内容摘要 No.27
- 学习交流小组精彩内容摘要 No.26
- 学习交流小组精彩内容摘要 No.25
- 学习交流小组精彩内容摘要 No.24
- 学习交流小组精彩内容摘要 No.23
- 学习交流小组精彩内容摘要 No.22
- 学习交流小组精彩内容摘要 No.21
- 学习交流小组精彩内容摘要 No.20
- 学习交流小组精彩内容摘要 No.19
- 学习交流小组精彩内容摘要 No.18
- 学习交流小组精彩内容摘要 No.17
- 学习交流小组精彩内容摘要 No.16
- 学习交流小组精彩内容摘要 No.15
- 学习交流小组精彩内容摘要 No.14
- 学习交流小组精彩内容摘要 No.13
- 学习交流小组精彩内容摘要(06.12-06.18)
- 学习交流小组精彩内容摘要(06.09-06.11)
- 学习交流小组精彩内容摘要(06.05-06.08)
- 学习交流小组精彩内容摘要(05.31-06.04)
- 学习交流小组精彩内容摘要(05.25-05.30)
- 学习交流小组精彩内容摘要(05.21-05.24)
- 学习交流小组精彩内容摘要(05.18-05.20)
- 学习交流小组精彩内容摘要(05.14-05.17)
- 学习交流小组精彩内容摘要(05.08-05.13)
- 学习交流小组精彩内容摘要(01.21-02.06)
- 学习交流小组精彩内容摘要(01.13-01.20)
- 学习交流小组精彩内容摘要(01.04-01.12)
推荐搜索综合
- QQ音乐推荐系统算法架构实践
- 因果推断在快手推荐场景的应用探索
- 强化学习在推荐冷启动优化中的实践探索!
- 多类目MoE模型在京东电商搜索中的应用
- 无量深度学习系统在腾讯推荐类业务的应用
- 直播推荐算法在腾讯音乐的应用实践
- 小米在知识表示学习的探索与实践
- 推荐算法在商业化场景中的探索实践
- 主题与交互式推荐技术在飞猪个性化分发中的实践
- 蜻蜓FM信息流推荐探索与实践
- 阿里巴巴开源稀疏模型训练引擎DeepRec
- Query理解在美团搜索中的应用
- 模型可解释性在风控安全中的实践
- EdgeRec:边缘计算在淘宝推荐系统中的应用
- 多媒体内容理解在美图社区的应用实践
- 阿里飞猪搜索技术的应用与创新
- 阿里零售通智能导购推荐技术实践
- 深度学习在 Airbnb 中的探索与应用
- 知乎搜索文本相关性与知识蒸馏
- 推荐系统解构
- 京东Flink优化与技术实践
- 信息流推荐的用户增长机制
- 如何构建一个好的电商搜索引擎?
- 做用户,绕不开画像!
- Angel:深度学习在腾讯广告推荐系统中的实践
- 什么样的模型是好的模型?
- 蜻蜓FM实时推荐系统的发展和演进
- 快手如何搭建一个好的数据指标体系?
- 推荐系统架构治理
- 张俊林:对比学习在微博内容表示的应用
- 微博推荐算法实践与机器学习平台演进
- 微博基于Flink的机器学习实践
- 多业务融合推荐策略实践与思考
- 跨域推荐技术在58部落内容社区的实践
- 京东电商搜索中的语义检索与商品排序
- 分布式机器学习框架与高维实时推荐系统
- 图推荐算法在E&E问题上的应用
- 朱小强|屠龙少年与龙:漫谈深度学习驱动的广告推荐技术发展周期
- 全民K歌推荐后台架构
- 阿里文娱搜索算法实践与思考
- Bandit算法在携程推荐系统中的应用与实践
- 深度学习在阿里B2B电商推荐系统中的实践
- 如何将知识图谱引入推荐系统?
- 【微软】深度学习推理系统,45页ppt
- 如何构建A/B测试系统,其核心功能有哪些?
- 美图个性化推送的 AI 探索之路
- 信息流推荐在凤凰新闻的业务实践
- 汽车之家推荐系统排序算法迭代之路
- WWW21最新「深度学习推荐系统」教程,230页PPT阐述深度强化学习、自动机器学习和GNN在推荐系统应用进展
- Query 理解和语义召回在知乎搜索中的应用
- 腾讯信息流内容理解技术实践
- 如何从 0 到 1 构建个性化推荐?
- 推荐生态中的bias和debias
- 推荐系统应该如何保障推荐的多样性?
- 浅谈 UC 国际信息流推荐
- AutoML 在表数据中的研究与应用
- 推荐系统:石器与青铜时代
- 推荐系统衡量:ABtest 框架
- 低频少样本长验证周期场景下的算法设计
- 基于行列式点过程的推荐多样性提升算法
- 推荐系统评价:什么是好的推荐系统
- 万字长文解读电商搜索——如何让你买得又快又好
- 工业界推荐系统实用分析技巧
- KDD20 | 推荐系统论文一览
- 搜索广告之自动化创意
- KDD CUP 2020之Debiasing赛道方案 (Rush)
- 推荐系统研究中常用的评价指标
- 推荐多样性重排算法之MMR
- 推荐系统技术演进趋势:从召回到排序再到重排
- 推荐系统的发展与简单回顾
- 万字长文!推荐系统岗面试经验&学习心得
计算广告
- 网易云音乐广告算法实践
- 阿里妈妈展示广告预估校准技术演进之路
- 基于因果推断技术的广告投后归因
- 广告主视角的信息流投放模型问题思考
- 因果推断在阿里飞猪广告算法中的实践
- 阿里妈妈:基于动态背包的多场景广告序列投放算法
- 腾讯用户增长技术:广告智能投放
- 360展示广告智能化演进
- 商业化广告策略解读
- 广告算法在阿里文娱用户增长中的实践
- 阿里定向广告智能投放技术体系
- 爱奇艺效果广告的个性化探索与实践
- 计算广告OCPC实践(四) 如何从0开始建立ocpc业务
- 计算广告OCPC实践(三) ocpx效果到底怎么样?从ocpc与ocpm的区别说起
- Hulu:视频广告系统中的算法实践
- 计算广告OCPC算法实践(二) ocpc智能出价PID控制中不同偏差函数特性对比
- 计算广告OCPC算法实践(一) 智能出价PID控制中的偏差与响应函数设计
- 阿里妈妈:品牌广告中的 NLP 算法实践
- 《计算广告》学习笔记
- OCPC 广告算法在凤凰新媒体的实践探索
- 计算广告发展历程——从CPC到oCPX
- 百度凤巢新一代广告召回系统——“莫比乌斯”
- 广告出价--如何使用PID控制广告投放成本
- PID控制算法原理(抛弃公式,从本质上真正理解PID控制)
- 广告和推荐排序中消除position bias的方法
- oCPC:计算广告出价策略
- 广告点击率CTR修正-Wilson CTR
大数据
-
ClickHouse在手淘流量分析业务实践
-
贝壳一站式大数据开发平台实践
-
Flink如何支持特征工程、在线学习、在线预测等AI场景?
-
实时数据流计算引擎Flink和Spark剖析
-
Spark 的一些人生经验
-
大数据kafka理论实操面试题
-
Kafka 应用实践与生态集成
-
Flink 中文社区年度文章合集
图算法
- 郭沛东:图模型在信息流推荐的原理和实践
- 华为图神经网络在推荐系统中的应用
- 什么样的图神经网络更具表达能力?
- 图算法在流量反作弊中的实践
- 梳理总结211篇论文,首篇基于图神经网络的推荐系统综述
- 图对比学习的最新进展
- 图神经网络算法在推荐场景下的实践
- GNN在下拉推荐的应用
- 实现大规模图计算的算法思路
- 图算法在网络黑产挖掘中的思考
- 大规模图算法在京东广告的实践
- 图挖掘与多关系学习:工具与应用,亚马逊与CMU-WWW2021教程,附161页ppt
- 一文直击Graph Embedding图表示学习的原理及应用
- 【GraphEmbedding】DeepWalk算法原理,实现和应用
- 【GraphEmbedding】LINE:算法原理,实现和应用
- 【GraphEmbedding】node2vec:算法原理,实现和应用
- 【GraphEmbedding】GraRep:基于矩阵分解的图表示学习
- 【GraphEmbedding】SDNE算法原理,实现和应用
- 【GraphEmbedding】Struc2Vec算法原理,实现和应用
- 【GNN】一文读懂图卷积GCN
- 【GNN】GCN 算法原理,实现和应用
- 二部图表示学习 | Graph Convolutional Matrix Completion
- node2vec随机游走优化思路和代码实现
- 【斯坦福CS224W 图与机器学习(1-2)】:图模型基本介绍
- 【斯坦福CS224W 图与机器学习 3】:Motifs and Structural Roles
- KDD19 DGL教程:Recommender System with GNN
- 社交图谱的标签传播算法
NLP&CV
- 张俊林:ChatGPT会取代搜索引擎吗?
- 如何评价OpenAI的超级对话模型ChatGPT?
- 美团商品知识图谱的构建及应用
- MSRA自监督学习与注意力建模研究实践
- 火山翻译:工业级应用与研究
- 小米在预训练模型的探索与优化
- 复旦邱锡鹏组最新综述:A Survey of Transformers!
- Transformer的一家!.
- 这20个技巧让你的NN训练事半功倍
- 【论文串讲】从BERT和XLNet到MPNet
- 预训练模型系列-通用预训练MASS
- 【论文串讲】从GPT和BERT到XLNet
- Transformer 超详细解读,一图胜千言
- 【经典精读】Transformer模型深度解读
- word2vec模型深度解析
- NLP与推荐系统的比较、联系与未来
- 知识图谱入门系列
- 知识图谱基本概念&工程落地常见问题
- 本科生晋升GM记录 & kaggle比赛进阶技巧分享
- 9102年入门GAN的补习
- 快速掌握TensorFlow中张量运算的广播机制
算法基础
- 那些年踩过的Tensorflow的坑(二) 实现FM 10x加速
- 那些年踩过的Tensorflow的坑(一) 实现FM 10x加速
- 深度学习的综述的综述
- l2 regularization 和 weight decay的不同
心得感悟
- 农业银行工作两个月,聊聊现状
- 应届NLPer入职华为OD一个半月,治好了我的精神内耗
- 43岁读NLP博士,无关年龄 ,一位70后大哥的励志人生
- 从《一个NLP算法人的困境与破局》说起
- 县城再无清华北大
- Shopee要抛弃算法了吗?人在新加坡,刚下飞机,就被裁了。
- 从浙大计算机到字节算法岗!
- 跑路了!在东北国企当程序员一个月的感触
- 2023秋招算法岗进入地狱模式:竞争堪比考公?
- 施一公:清华70%的高考状元都去哪了?
- 89岁,他拿下人生第三个博士学位
- 你是什么时候对深度学习失去信心的?
- 润了!大龄码农从北京到荷兰的躺平生活
- 一个算法工程师在技术方面的反思!
- CMU AI PhD 第一年总结
- 计算所与北大往事回顾
- 雷军做程序员时写的文章,太牛了!
- 清华姚班教授劝退文:我见过太多PhD,精神崩溃、心态失衡、身体垮掉、一事无成
- 字节遭遇离职潮
- 一位博士在华为的22年
- 太卷了,要跑路吗?
- 三十而立,我决定从字节裸辞
- 读博,我想好了!
- 大规模裁员后,计算机会成为下一个土木吗?
求职面试
- 互联网最值得加入的173家国企汇总
- 万字长文:给算法校招同学的一些建议!
- 算法实习指南
- 随记:加入微软三个月后
- 内卷?谈谈AI算法人才职业发展
- Google 十年
- 2022年,算法工程师必备的能力是什么?
- 诸葛越:关于算法工程师职业发展的思考
- 算法工程师如何应对业务方和老板的灵魂拷问?
- 算法工程师也会遇到35岁这道坎么?
- 推荐/广告算法社招生存指南
- 一年级算法工程师的工作总结
- 谈一谈算法工程师的落地能力
- 美H1-B签证改革更有利IT公司从全球招聘——聊聊国内如何找美国算法岗工作
- 北美亚麻的故事:金融数学转码农转Applied Scientist
- 算法小白的学习路线(二)
- 算法小白的学习路线(一)
- 你见过最差的算法工程师能差到什么程度?
- 我的求职经验总结
- 求职面试 | 《剑指Offer》Python题解&常考题总结
- 非科班如何拿到外企和国内大厂SSP Offer的?
- 实验小师弟的新鲜春招面经(阿里搜索,微信,微软等)
- Facebook、AWS、Google、Microsoft面试小记
- 算法工程师当前选哪个方向好?1,CV;2,NLP;3,推荐系统?
- 番外篇——社招如何拿到心仪公司的offer
Repo liên quan
Master programming by recreating your favorite technologies from scratch.
A curated meta-list of curated lists organized by technology domain. The repository acts as a directory pointing to hundreds of specialized awesome lists covering programming languages, platforms, frameworks, and tooling. All content is community-contributed under the CC0 public domain dedication.
Public APIs is a community-curated GitHub repository listing free, publicly accessible APIs across a wide range of categories, with auth type, HTTPS, and CORS noted for each entry. It's a browsable reference, not a library to install.
freeCodeCamp is a free, self-paced curriculum for learning to code, published as open source at freeCodeCamp/freeCodeCamp. It's a 501(c)(3) nonprofit funded by donor support, structured around six certifications in its Full-Stack Developer Curriculum, each gated by required projects instead of open-book quizzes. The repository also carries beta language certifications for developers, interview-prep resources, and the code that runs the live freecodecamp.org platform.
Trả lời nhanh
Đọc thêm về shenweichen/AlgoNotes ở đâu?
Trang TopGit này là một snapshot — tab "Readme" hiển thị nguyên văn README của repo (đã bỏ link, giữ ảnh). Repo GitHub ở github.com/shenweichen/AlgoNotes là nguồn chính thức.
shenweichen/AlgoNotes có phải mã nguồn mở không?
TopGit chưa ghi nhận license cho shenweichen/AlgoNotes. Phần lớn repo public trên GitHub là mã nguồn mở, nhưng điều khoản khác nhau từng repo — mở file LICENSE để xác nhận.
shenweichen/AlgoNotes có website riêng không?
TopGit chưa ghi nhận URL trang chủ cho shenweichen/AlgoNotes. Phần README ở tab phía trên thường có link demo, hoặc xem mô tả GitHub của repo.
shenweichen/AlgoNotes là gì?
shenweichen/AlgoNotes (shenweichen/AlgoNotes) là dự án đa ngôn ngữ trên GitHub. Theo mô tả gốc: 【浅梦学习笔记】文章汇总:包含 排序&CXR预估,召回匹配,用户画像&特征工程,推荐搜索综合 计算广告,大数据,图算法,NLP&CV,求职面试 等内容
Đọc đầy đủ README ở tab phía trên.
Chưa chắc AlgoNotes có hợp với bạn?
Để ChatGPT, Claude hoặc Perplexity tìm hiểu giúp — bấm bên dưới và xem AI nói gì về AlgoNotes.