machine-learning
  • Welcome
  • 动手学深度学习
    • 1. 前言
    • 2. 预备知识
    • 3. 线性神经网络
    • 4. 多层感知机
    • 5. 深度学习计算
    • 6. 卷积神经网络
    • 7. 现代卷积神经网络
    • 8. 循环神经网络
    • 9. 现代循环神经网络
    • 10. 注意力机制
    • 11. 优化算法
    • 12. 计算性能
    • 13. 计算机视觉
    • 14. 自然语言处理:预训练
    • 15. 自然语言处理:应用
    • 16. 附录:深度学习工具
  • 百面机器学习
    • 1. 特征工程
    • 2. 模型评估
    • 3. 经典算法
    • 4. 降维
    • 5. 非监督学习
    • 6. 概率图模型
    • 7. 优化算法
    • 8. 采样
    • 9. 前向神经网络
    • 10. 循环神经网络
    • 11. 强化学习
    • 12. 集成学习
    • 13. 生成式对抗网络
    • 14. 人工智能的热门应用
  • 百面深度学习
    • 1. 卷积神经网络 CNN
    • 2. 循环神经网络 RNN
    • 3. 图神经网络 GNN
    • 4. 生成模型
    • 5. 生成式对抗网络 GAN
    • 6. 强化学习 RL
    • 7. 元学习
    • 8. 自动化机器学习 AutoML
    • 9. 计算机视觉 CV
    • 10. 自然语言处理 NLP
    • 11. 推荐系统
    • 12. 计算广告
    • 13. 视频处理
    • 14. 计算机听觉
    • 15. 自动驾驶
  • 统计学习方法
  • 推荐系统实践
    • 1. 推荐系统
    • 2. 特征工程
    • 3. Embedding
    • 4. 精排
    • 5. 召回
    • 6. 粗排/重排
    • 7. 多任务/多场景
    • 8. 冷启动
    • 9. 评估调试
    • 10. 自我修养
  • 深度学习推荐系统
    • 1. 推荐系统
    • 2. 进化之路
    • 3. 深度学习的应用
    • 4. Embedding
    • 5. 多角度审视
    • 6. 工程实现
    • 7. 评估方法
    • 8. 前沿实践
    • 9. 知识框架
  • 强化学习的数学原理
    • 1. 基础概念
    • 2. 贝尔曼公式
    • 3. 贝尔曼最优公式
    • 4. 值迭代与策略迭代
    • 5. 蒙特卡洛方法
    • 6. 随机近似与随机梯度下降
    • 7. 时序差分方法
    • 8. 值函数近似
    • 9. 策略梯度方法
    • 10. Actor-Critic方法
Powered by GitBook
On this page
  • 14.1 计算广告
  • 14.2 游戏中的人工智能
  • 14.3 AI 在自动驾驶中的应用
  • 14.4 机器翻译
  • 14.5 人机交互中的智能计算
  1. 百面机器学习

14. 人工智能的热门应用

Previous13. 生成式对抗网络Next百面深度学习

Last updated 3 years ago

14.1 计算广告

  • 互联网广告的商业模型

    • 合约广告:门户网站 / 视频网站,品牌类广告,CPM(Cost per mille,千次曝光成本)

    • 竞价广告:搜索关键词,CPC(Cost per Click,每点击成本),点击率预估算法

    • 程序化交易广告:需求方平台(DSP),CPA(Cost per Action,每行动成本),点击率 & 转化率

  • 用户画像

    • 监督学习:性别预测,LR、SVM、决策树、RF、GBDT、NN

    • 无监督学习:聚类,K-means、GMM、主题模型

  • 点击率预估 CTR

    • 特征:用户标签、上下文、广告主、创意

    • 样本采样:imbalance,负样本 under sampling,但在预估时需要还原原始分布

    • 特征抽取与组合:GBDT+LR,因子分解机 FM,端到端深度 NN,深度 NN 中间结果输入传统模型

    • 模型训练:内存预测,对稀疏性有要求,L1 正则

    • 模型评估:离线评估(log loss, AUC) + 在线评估(A/B test)

  • 广告检索:Recall 为评价指标,查询扩展 模糊匹配

  • 广告排序 / 选择

    • 合约广告:带 约束 的优化问题,二部图匹配问题,目标是 总的投放收入最大化

    • 竞价广告:对曝光量不足的广告进行探索,探索 vs. 利用

14.2 游戏中的人工智能

  • 略

14.3 AI 在自动驾驶中的应用

  • 原因:安全、方便、高效共享、减少拥堵

  • 定义:L1 - L5

  • 路线:基于路面基础设施,车辆传感器和智能计算

  • 支撑技术:上层控制、中层控制、底层控制

  • 算法基础:计算机视觉 CV、传感和控制、系统集成

14.4 机器翻译

  • 基于规则的方法

  • 基于统计的方法:平行语料库,翻译+调序+语言 模型

  • 基于 NN 的方法:Seq2Seq,但难以达到人类水平

14.5 人机交互中的智能计算

  • 略