recommendation_advertisement_search

ส่งเสริมการค้นหาอาร์เซนอล

ผู้แต่ง: Yang XI

หมายเหตุการศึกษากระดาษ NLP: https://github.com/km1994/nlp_paper_study

บทนำส่วนตัว: สวัสดีคนที่มีชื่อของฉันคือหยาง XI

NLP ที่อยู่อเนกประสงค์และอเนกประสงค์: https://github.com/km1994/nlp-interview-notes

ระบบที่แนะนำพร้อมทุกด้านและที่อยู่ทุกประเภท: https://github.com/km1994/res-interview-notes

โปรโมชั่นและค้นหาห้องสมุดอาวุธ : https://github.com/km1994/recommendation_advertisement_search

ทำตามบัญชีอย่างเป็นทางการ [สิ่งที่คุณไม่ทราบเกี่ยวกับ NLP] และเข้าร่วม [NLP && กลุ่มการเรียนรู้ที่แนะนำ] เพื่อศึกษาด้วยกัน! - -

1. โครงการ

1.1 รุ่นใหญ่บางรุ่นที่สามารถดาวน์โหลดได้ในอุตสาหกรรมในปัจจุบัน

• chatgpt:
  • https://openai.com/blog/chatgpt
  • ที่อยู่ประสบการณ์: https://chat.openai.com/
• GLM-10B/130B
  • บทนำ: รูปแบบหนาแน่นแบบสองภาษา (จีนและอังกฤษ)
• opt-2.7b/13b/30b/66b:
  • บทนำ: โมเดลภาษาที่ได้รับการฝึกฝนมาก่อน
  • GitHub: https://github.com/facebookresearch/metaseq
  • กระดาษ: https://arxiv.org/pdf/2205.01068.pdf
• LLAMA-7B/13B/30B/65B:
  • บทนำ: รูปแบบภาษาขนาดใหญ่พื้นฐานของเมตาโอเพนซอร์ส
  • GitHub: https://github.com/facebookresearch/llama
  • กระดาษ: https://arxiv.org/pdf/2302.13971v1.pdf
• Alpaca (Llama-7b):
  • บทนำ: สแตนฟอร์ดเสนอรูปแบบการติดตามคำแนะนำที่มีประสิทธิภาพ
  • GitHub: https://github.com/tatsu-lab/stanford_alpaca
  • Chinese-llama-alpaca Github: https://github.com/ymcui/chinese-llama-alpaca
• Belle (Bloomz-7b/Llama-7b):
  • บทนำ: โครงการนี้ขึ้นอยู่กับ Stanford Alpaca และได้รับการปรับให้เหมาะสมสำหรับภาษาจีน
• chatglm-6b:
  • บทนำ: รูปแบบภาษาการสนทนาสองภาษาจีนและภาษาอังกฤษ
  • GitHub: https://github.com/thudm/chatglm-6b/
• Bloom-7b/13b/176b:
  • บทนำ: สามารถจัดการ 46 ภาษา ได้แก่ ฝรั่งเศส, จีน, เวียดนาม, อินโดนีเซีย, คาตาลัน, 13 ภาษาอินเดีย (เช่นภาษาฮินดี) และภาษาแอฟริกา 20 ภาษา ในหมู่พวกเขาโมเดล Bloomz Series ได้รับการปรับแต่งตามชุดข้อมูล xp3 แนะนำสำหรับพรอมต์ภาษาอังกฤษ (การแจ้งเตือน); แนะนำสำหรับการแจ้งเตือนที่ไม่ใช่ภาษาอังกฤษ (การแจ้งเตือน)
  • GitHub: https://huggingface.co/bigscience/bloom
  • กระดาษ: https://arxiv.org/pdf/2211.05100.pdf
• Vicuna (7b/13b):
  • บทนำ: Vicuna-13b สร้างโดยนักวิจัยที่ UC Berkeley, CMU, Stanford และ UC San Diego ได้รับจากการปรับแต่ง Llama ในข้อมูลการสนทนาที่ผู้ใช้เก็บรวบรวมโดย ShareGpt ในหมู่พวกเขา GPT-4 ถูกใช้สำหรับการประเมินผลและพบว่าประสิทธิภาพของ Vicuna-13b ได้รับความสามารถเทียบได้กับ CHATGPT และ BARD ในกว่า 90% ของกรณี; และการฝึกอบรมสำหรับ Vicuna-13b มีค่าใช้จ่ายประมาณ $ 300 ไม่เพียงแค่นั้นยังมีแพลตฟอร์มเปิดสำหรับการฝึกอบรมการให้บริการและการประเมิน chatbots ตามรูปแบบภาษาขนาดใหญ่: fastchat
• Baize:
  • บทนำ: Bai Ze ได้รับการฝึกฝนเกี่ยวกับ Llama ปัจจุบันมีแบบจำลองภาษาอังกฤษสี่แบบ ได้แก่ Bai Ze-7b, 13b, 30b (แบบจำลองการสนทนาทั่วไป) และแบบจำลองแนวตั้ง Bai Ze-Medical สำหรับการวิจัย/การใช้งานที่ไม่ใช่เชิงพาณิชย์และวางแผนที่จะปล่อยโมเดล Bai Ze จีนในอนาคต รหัสทั้งหมดเช่นการประมวลผลข้อมูลของ Bai Ze รูปแบบการฝึกอบรมและการสาธิตได้รับการเปิด
• llmzoo:
  • บทนำ: ชุดของโมเดลขนาดใหญ่ที่เปิดตัวโดยมหาวิทยาลัยจีนแห่งฮ่องกงและทีมสถาบันวิจัยข้อมูลขนาดใหญ่เซินเจิ้นเช่น Phoenix และ Chimera ฯลฯ - Moss: Moss Language Model เปิดตัวโดยทีม Fudan NLP
• Alpaca Fastchat
  • GitHub: https://github.com/lm-sys/fastchat
• minigpt-4
  • GitHub: https://github.com/vision-cair/minigpt-4

1.2 [LLMS บทนำสู่ซีรีย์ลำดับภาคปฏิบัติ]

Tsinghua University โอเพ่นซอร์สเวอร์ชันภาษาจีน Chatglm-6B การเรียนรู้แบบจำลองและการปฏิบัติเชิงปฏิบัติเชิงปฏิบัติจริงในทางปฏิบัติในทางปฏิบัติเชิงปฏิบัติการปฏิบัติจริงปฏิบัติจริงปฏิบัติจริงปฏิบัติจริงปฏิบัติภาคปฏิบัติแนวปฏิบัติภาคปฏิบัติแนวปฏิบัติภาคปฏิบัติแนวปฏิบัติภาคปฏิบัติภาคปฏิบัติแนวปฏิบัติเชิงปฏิบัติภาคปฏิบัติแนวปฏิบัติเชิงปฏิบัติภาคปฏิบัติแนวปฏิบัติเชิงปฏิบัติภาคปฏิบัติ การปฏิบัติจริงในทางปฏิบัติในทางปฏิบัติในทางปฏิบัติในทางปฏิบัติในทางปฏิบัติในทางปฏิบัติในทางปฏิบัติในทางปฏิบัติเชิงปฏิบัติการปฏิบัติเชิงปฏิบัติเชิงปฏิบัติเชิงปฏิบัติการปฏิบัติเชิงปฏิบัติภาคปฏิบัติภาคปฏิบัติภาคปฏิบัติแนวปฏิบัติภาคปฏิบัติแนวปฏิบัติภาคปฏิบัติแนวปฏิบัติเชิงปฏิบัติภาคปฏิบัติแนวปฏิบัติเชิงปฏิบัติภาคปฏิบัติแนวปฏิบัติเชิงปฏิบัติภาคปฏิบัติ การปฏิบัติจริงในทางปฏิบัติในทางปฏิบัติในทางปฏิบัติในทางปฏิบัติในทางปฏิบัติในทางปฏิบัติในทางปฏิบัติในทางปฏิบัติเชิงปฏิบัติเชิงปฏิบัติจริงในทางปฏิบัติในทางปฏิบัติในทางปฏิบัติในทางปฏิบัติในทางปฏิบัติเชิงปฏิบัติเชิงปฏิบัติเชิงปฏิบัติจริงเชิงปฏิบัติการปฏิบัติจริงเชิงปฏิบัติการปฏิบัติจริงเชิงปฏิบัติการปฏิบัติจริงเชิงปฏิบัติ การเรียนรู้แบบจำลองและการต่อสู้ที่เป็นประโยชน์

1.3 NLP Project Arsenal Learning

• 【ความรู้กราฟการก่อสร้าง Deepkg 】 https://github.com/powercy/deepkg
  • บทนำ: โครงการนี้มุ่งมั่นที่จะสร้างกราฟความรู้และกำลังสร้างวิธีการทีละน้อยและฉันหวังว่าจะช่วยเหลือผู้คนมากขึ้น

1.4 การเรียนรู้โครงการอาร์เซนอลโครงการที่แนะนำ

• 【 fun-rec 】 https://github.com/datawhalechina/fun-rec
  • บทนำ: มันมีจุดมุ่งหมายเป็นหลักสำหรับนักเรียนที่มีรากฐานการเรียนรู้ของเครื่องจักรขั้นพื้นฐานและต้องการค้นหาตำแหน่งอัลกอริทึมที่แนะนำ
• 【 recsys 】 https://github.com/qcymkxyc/recsys
  • บทนำ: การใช้รหัสของ Xiang Liang ของ "การปฏิบัติระบบที่แนะนำ"

1.5 การเรียนรู้โครงการเครื่องมือค้นหาอาร์เซนอล

• [Open Open Project Search Engine] https://github.com/zuo369301826/search_project
  • การแนะนำโครงการ: การค้นหา Baidu Search เพื่อใช้งาน Search Search Engine
  • คุณสมบัติของโครงการ: ใช้เฟรมเวิร์กโอเพ่นซอร์สเช่น Protobuf, GFLAG และ GLOG ที่จัดทำขึ้นโดย Google เพื่อการพัฒนา ความเร็ว; 5. เซิร์ฟเวอร์ HTTP เรียกไคลเอ็นต์ค้นหาใน CGI เพื่อให้ฟังก์ชั่นการค้นหา
• 【ยืดหยุ่น】 https://www.elastic.co/cn/
  • บทนำ: ElasticSearch เป็นเครื่องมือค้นหาและการวิเคราะห์ข้อมูลแบบกระจายแบบกระจายที่สามารถแก้ปัญหาการเกิดขึ้นของกรณีการใช้งานที่หลากหลาย หัวใจของสแต็คยืดหยุ่นมันเก็บข้อมูลของคุณจากส่วนกลางและช่วยให้คุณค้นพบสถานการณ์ที่ไม่คาดคิดและไม่คาดคิด
• 【 nutch 】 http://nutch.sourceforge.net/docs/zh/about.html
  • บทนำ: Nutch เป็นเครื่องมือค้นหาเว็บที่เพิ่งเกิดโอเพ่นซอร์ส มีคำแนะนำโดยละเอียดภาษาจีนเกี่ยวกับหน้าแรก
• 【 Lucene 】 http://jakarta.apache.org/lucene/docs/index.html
  • บทนำ: Apache Lucene เป็นเอ็นจิ้นโปรแกรมโอเพ่นซอร์สที่สามารถเพิ่มฟังก์ชั่นการค้นหาข้อความแบบเต็มไปยังซอฟต์แวร์ Java ได้อย่างง่ายดาย งานหลักของ Lucene คือการจัดทำดัชนีทุกคำของไฟล์
• 【 Egothor 】 http://www.egothor.org/
  • บทนำ: Egothor เป็นเครื่องมือค้นหาข้อความแบบเต็มรูปแบบและมีประสิทธิภาพที่เขียนใน Java ด้วยคุณสมบัติข้ามแพลตฟอร์มของ Java Egothor สามารถนำไปใช้กับแอปพลิเคชันในทุกสภาพแวดล้อมทั้งเป็นเครื่องมือค้นหาแยกต่างหากและแอปพลิเคชันของคุณเป็นการค้นหาข้อความแบบเต็ม
• 【 oxyus 】 http://oxyus.sourceforge.net/
  • บทนำ: มันเป็นเครื่องมือค้นหาเว็บที่เขียนด้วย Java บริสุทธิ์
• 【 bddbot 】 http://www.twmacinta.com/bddbot/
  • บทนำ: BDDBOT เป็นเครื่องมือค้นหาที่ง่ายและง่ายต่อการค้นหา ปัจจุบันรวบรวมข้อมูลใน URL ที่ระบุไว้ในไฟล์ข้อความ (urls.txt) และบันทึกผลลัพธ์ในฐานข้อมูล นอกจากนี้ยังรองรับเว็บเซิร์ฟเวอร์อย่างง่ายที่ยอมรับการสืบค้นจากเบราว์เซอร์และส่งคืนผลการตอบกลับ สามารถรวมเข้ากับเว็บไซต์ของคุณได้อย่างง่ายดาย

1.6 คำนวณโครงการโฆษณาการเรียนรู้ของอาร์เซนอล

• [การฝึกกลยุทธ์การโฆษณา Meituan DSP] ​​https://tech.meituan.com/2017/05/05/mt-dsp.html
• [บทนำเกี่ยวกับการโฆษณาทางอินเทอร์เน็ตและการโฆษณาเชิงคำนวณ] http://web.stanford.edu/class/msande239/

2. สิ่งประดิษฐ์ AI

• chatgpt ai สิ่งประดิษฐ์
  • 【 AI Artifact 】 Dialogue AI - Chatgpt https://999.weny66.cn/chat?bd_vid=11972310543274693700
  • 【 AI Artifact 】 GPT-4 ประสบการณ์ออนไลน์เว็บไซต์ chatmindai.cn
  • 【 AI Artifact 】 CHATGPT3.5 มีอิสระที่จะเข้าสู่ระบบโดยมีอยู่ในจีน https://chat23.yqcloud.top/
  • แชทแนวหน้า
  • poe poe.com/gpt-4
• 3d AI Artifact
  • สตูดิโอชิ้นเอก: https://xiaobot.net/p/superindividual
  • สตูดิโอชิ้นเอก: https://masterpiecestudio.com
  • g3dai {Jedi}: https://g3d.ai
  • Ponzu: https://www.ponzu.gg
  • Prometheanai: https://www.prometheanai.com
  • Leonardo.ai: https://leonardo.ai
• Art AI Artifact
  • Dream Up (Deviant Art): https://www.dreamup.com
  • Nightcafe Studio: https://creator.nightcafe.studio
  • Midjourney: https://www.midjourney.com/home/
  • artbreeder: https://www.artbreeder.com
  • Wombo: https://www.wombo.art
• การแก้ไขเสียง AI สิ่งประดิษฐ์
  • พอดคาสต์: แก้ไข https://podcastle.ai
  • Cleanvoice: การแก้ไขเสียง https://cleanvoice.ai
• ผู้ช่วยรหัส AI Artifact
  • codesquire https://codesquire.ai
  • Buildt Code Assistant https://www.buildt.ai
  • เฮ้ GitHub!
• อัปเดตอย่างต่อเนื่อง

3. บทนำสู่ Xiaobai AI

3.1 บทนำเกี่ยวกับการเรียนรู้ของเครื่องจักร

• [หลักสูตรการเรียนรู้ของ WUNA Machine การเรียนรู้หลักสูตร] https://www.bilibili.com/video/bv164411b7dx?from=Search&seid=18138466354258018449&SPM_ID_FROM=333333337.0.0.0.0.0.0.0.0.018018449

3.2 เริ่มต้นด้วย NLP

• [2021 ng การเรียนรู้ลึก - โมเดลลำดับ NLP] https://www.bilibili.com/video/bv1co4y1279r?from=Search&seid=17563746002586971760&SPM_ID_FROM=3333333333337.0.0.0.0.0.0.0.0.0.
• 【บทนำสู่กราฟความรู้】
  • บันทึกการบรรยายแผนที่มหาวิทยาลัย Zhejiang | การบรรยาย 1 - บทนำสู่กราฟความรู้ - ส่วนที่ 1
  • บันทึกการบรรยายแผนที่มหาวิทยาลัย Zhejiang |
  • บันทึกการบรรยายกราฟ | การบรรยาย 1 - ส่วนที่ 3 - ค่าของกราฟความรู้
  • บันทึกการบรรยายกราฟ
  • บันทึกการบรรยายกราฟ | การบรรยาย 2 - ส่วนที่ 1 - การเป็นตัวแทนความรู้คืออะไร

3.3 เริ่มต้นด้วยการโฆษณาคอมพิวเตอร์

• [บทนำเกี่ยวกับการโฆษณาทางอินเทอร์เน็ตและการโฆษณาเชิงคำนวณ] http://web.stanford.edu/class/msande239/
  • การบรรยาย 1: บทนำ, บันทึกเพิ่มเติม
  • การบรรยาย 2: การออกแบบตลาดในการนำเสนอชั้นเรียนบันทึกเสริม
  • การบรรยาย 3: การค้นหาที่ได้รับการสนับสนุน 1 ในการนำเสนอชั้นเรียน
  • การบรรยาย 4: การค้นหาที่ได้รับการสนับสนุน 2 ในการนำเสนอชั้นเรียน
  • การบรรยาย 5: แสดงโฆษณา 1 ในการนำเสนอในชั้นเรียน
  • การบรรยาย 6: แสดงโฆษณา 2, ในการนำเสนอชั้นเรียน
  • การบรรยาย 7: การกำหนดเป้าหมายในการนำเสนอชั้นเรียน
  • การบรรยาย 8: ระบบแนะนำในการนำเสนอชั้นเรียน 1 ในการนำเสนอชั้นเรียน 2
  • การบรรยาย 9: มือถือวิดีโอและรูปแบบอื่น ๆ ที่เกิดขึ้นใหม่ในการนำเสนอชั้นเรียน 1 ในการนำเสนอชั้นเรียน 2
• [Liu Peng - การโฆษณาเชิงคำนวณ (แนะนำ)] http://study.163.com/course/introduction.htm?courseid=321007
  • บทนำ: ปัจจุบันอาจารย์ Liu Peng ทำหน้าที่เป็นหัวหน้าสถาปนิกของผลิตภัณฑ์เชิงพาณิชย์ใน 360 และมีประสบการณ์จริงในสาขาการโฆษณาทางอินเทอร์เน็ต เนื้อหาของหลักสูตร "การโฆษณาเชิงคำนวณ" นั้นง่ายต่อการเข้าใจตั้งแต่รูปแบบประวัติโฆษณาไปจนถึงเทคโนโลยีล่าสุดซึ่งเหมาะสำหรับเพื่อนที่ยังใหม่ต่อสาขาเรียนรู้
  • ความรู้พื้นฐานในการโฆษณา
  • ระบบโฆษณาสัญญา
  • การกำหนดเป้าหมายผู้ชม
  • ระบบโฆษณาประมูล
  • ค้นหาเทคโนโลยีการโฆษณาและเครือข่ายโฆษณาความต้องการ
  • ตลาดโฆษณา
• 【 Baidu - โฆษณาเชิงคำนวณ】 http://openresearch.baidu.com/courses/1231.jhtml
  • ภาพรวมของการโฆษณาเชิงคำนวณ
  • หลักการโฆษณาเครื่องมือค้นหาเทคโนโลยีและการปฏิบัติด้านวิศวกรรม
  • เนื้อหาการจับคู่เนื้อหาเทคนิคและแนวทางปฏิบัติ
• [Wang Yongrui - อัลกอริทึมการโฆษณาทางอินเทอร์เน็ตและการฝึกฝนระบบ] http://yuedu.baidu.com/ebook/3e31c551964bcf84b9d57bc0.html
  • บทนำ: ครูวังเป็นบุคคลที่รับผิดชอบอัลกอริทึมการโฆษณาเป้าหมายของ Taobao หลักสูตรของมันรวมประสบการณ์การปฏิบัติโฆษณาของ Taobao ตั้งแต่ทฤษฎีการโฆษณาไปจนถึงการฝึกฝนทางเทคนิคอย่างเป็นระบบและมีค่ามากในการเรียนรู้โดยช่างเทคนิค
  • รู้เบื้องต้นเกี่ยวกับการโฆษณาทางอินเทอร์เน็ต
  • ค้นหาโฆษณา
  • โฆษณาเป้าหมาย
  • การเสนอราคาโฆษณาแบบเรียลไทม์
  • สถาปัตยกรรมระบบโฆษณาและความท้าทาย
• 【 UCS - บทนำการโฆษณาเชิงคำนวณ】 http://classes.soe.ucsc.edu/ism293/spring09/index_archivos/page456.html
  • บทนำและภาพรวม
  • การดึงข้อมูล (IR) สำหรับการคำนวณ
  • การออกแบบตลาด
  • เทคนิคการเรียนรู้ของเครื่องจักร
  • การค้นหาที่สนับสนุนฉัน
  • ผู้สนับสนุนการค้นหา II
  • โฆษณากราฟิกและการจัดส่งรับประกัน
  • การโฆษณาตามบริบท i
  • บริบทโฆษณา II
  • การกำหนดเป้าหมายพฤติกรรม (BT)

4. ส่งเสริมการค้นหาวิทยานิพนธ์และบันทึกการศึกษา

• 【บันทึกการศึกษา NLP 】
  • 【หม้อแปลง】
    • 【เกี่ยวกับหม้อแปลงที่มีประสิทธิภาพ: การสำรวจ】สิ่งที่คุณไม่รู้จัก
  • 【การบีบอัดแบบจำลองเบิร์ต】
    • 【เกี่ยวกับการฝึกอบรมตนเอง + การฝึกอบรมล่วงหน้า = รูปแบบการทำความเข้าใจภาษาธรรมชาติที่ดีขึ้น】สิ่งที่คุณไม่รู้จัก
    • 【เกี่ยวกับ bert to textcnn 】สิ่งที่คุณไม่รู้จัก
  • 【การจดจำเอนทิตีชื่อ】
    • 【 biaffine เกี่ยวกับการจดจำเอนทิตีซ้อน】สิ่งที่คุณไม่รู้จัก
    • กระดาษโดย biaffine
    • สินค้าคงคลังของ Papershape เกี่ยวกับการรับรู้เอนทิตีที่มีชื่อในช่วงไม่กี่ปีที่ผ่านมา
    • 【เกี่ยวกับการเรียนรู้อย่างต่อเนื่องสำหรับสิ่งที่คุณไม่รู้จัก
  • 【การสกัดความสัมพันธ์】
    • 【เกี่ยวกับการแยกความสัมพันธ์ HBT 】สิ่งที่คุณไม่รู้จัก
    • ตั้งแต่ต้นการสกัดความสัมพันธ์
    • ตั้งแต่ต้นการสกัดความสัมพันธ์ - การโจมตีจากระยะไกล
  • [การสกัดความสัมพันธ์ระดับเอกสาร]
    • 【เกี่ยวกับ atlop 】สิ่งที่คุณไม่รู้จัก
    • สรุปกระดาษ
    • สรุปกระดาษ
  • 【การจับคู่ข้อความ】
    • 【เกี่ยวกับประโยค-เบิร์ต】สิ่งที่คุณไม่รู้จัก
    • Facebook: FAISS Principle + แอปพลิเคชันของไลบรารีการค้นหาสำหรับความคล้ายคลึงกันของเวกเตอร์หลายล้านคน
    • โซลูชันเวกเตอร์ประโยคใหม่บันทึกการปฏิบัติงานจริง
  • 【การอ้างอิงห่วงโซ่สถานะ】
    • 【เกี่ยวกับ gener 】สิ่งที่คุณไม่รู้จัก
  • 【การแก้ไขข้อผิดพลาดข้อความ】
    • 【เกี่ยวกับ Gector 】สิ่งที่คุณไม่รู้จัก
  • 【 Q&A Robot 】
    • หัวข้อการแชร์หุ่นยนต์คำถามและการค้นหาตามการค้นหา
  • 【ระบบการสนทนา】
    • "【ชุมชนบอกว่า】มาพูดถึง Rasa 3.0" บันทึกที่ไม่สมบูรณ์
    • (i) ภาพรวมของหุ่นยนต์บทสนทนา
    • (ii) บทนำเกี่ยวกับเครื่องยนต์โอเพนซอร์ส Rasa
    • (iii) รูปแบบภาษา rasa nlu
    • (iv) rasa nlu segmenter คำศัพท์
    • (v) ตัวสร้างฟีเจอร์ Rasa NLU
    • (vi) Rasa NLU Intent Classifier
    • (vii) Rasa NLU entity extractor
    • (9) ส่วนประกอบไปป์ไลน์ที่กำหนดเอง RASA
    • (10) นโยบายหลักของ Rasa
    • (11) การกระทำหลักของ Rasa
    • (12) โดเมน Rasa
    • (13) ข้อมูลการฝึกอบรม RASA
    • (14) เรื่อง Rasa
    • (15) กฎ Rasa
    • (16) แนวทางปฏิบัติที่ดีที่สุดของ RASA
    • (17) เริ่มหุ่นยนต์จีนตาม rasa
    • (18) เริ่มกลไกการใช้งานหุ่นยนต์จีนตาม RASA
    • (19) ระบบคำถามและคำตอบตามกราฟความรู้ (KBQA)
    • (20) ระบบถามตอบตามความเข้าใจในการอ่าน
    • อาหาร: ความตั้งใจคู่และหม้อแปลงเอนทิตี - - การแปลกระดาษ Rasa
    • (21) คำถามที่พบบ่อยในแอปพลิเคชัน RASA
    • (22) การเพิ่มประสิทธิภาพ hyperparameter ของ rasa
    • (23) การทดสอบและการประเมินหุ่นยนต์
    • (24) สร้างผู้ช่วยบทสนทนาบริบทโดยใช้แบบฟอร์ม RASA
  • 【 KBQA 】
    • 【เกี่ยวกับ KBQA ที่ซับซ้อน】สิ่งที่คุณไม่รู้จัก (ตอนที่ 1)
    • 【เกี่ยวกับ KBQA ที่ซับซ้อน】สิ่งที่คุณไม่รู้จัก (ภาษาจีน)
    • 【เกี่ยวกับ KBQA ที่ซับซ้อน】สิ่งที่คุณไม่รู้จัก (ตอนที่ 2)
  • 【การสกัดเหตุการณ์】
    • 【เกี่ยวกับ mlbinet 】สิ่งที่คุณไม่รู้จัก
  • 【การปรับจูน】
    • บทนำการปรับแต่งทันที
  • 【การค้นพบคำใหม่】
    • สร้าง PTM ของคุณเอง! การขุดคำใหม่ + การฝึกอบรมล่วงหน้า
  • 【ข้อความถึง SQL 】
    • ส่งข้อความถึง SQL? นี่คือการวิเคราะห์พื้นฐาน
• 【บันทึกการศึกษาระบบที่แนะนำ】
  • แนวโน้มวิวัฒนาการเทคโนโลยีระบบที่แนะนำ: การเรียกคืน
  • แนวโน้มวิวัฒนาการเทคโนโลยีระบบที่แนะนำ: การเรียงลำดับ
  • แนวโน้มการวิวัฒนาการเทคโนโลยีระบบที่แนะนำ: การจัดเรียงใหม่
  • ระบบคำแนะนำพบผู้ใช้ที่คล้ายกันได้อย่างไร?
  • บทความยาวที่มีคำหนึ่งหมื่นคำมีรายละเอียดตรรกะและวิวัฒนาการของระบบคำแนะนำบทสนทนา
  • สรุปเทคโนโลยีที่เกี่ยวข้องของการปรับแบบจำลองในระบบที่แนะนำ
• 【บันทึกการศึกษา GCN 】
  • 【เกี่ยวกับ GCN ใน NLP 】สิ่งที่คุณไม่รู้จัก
• [คำนวณเอกสารโฆษณาและรายการข้อมูล GitHub Repo]
  • มุมมองที่สำคัญสามประการพูดคุยเกี่ยวกับระบบโฆษณาในสายตาของฉัน
• [เอกสารระบบที่แนะนำและรายการข้อมูล GitHub Repo]
• 【เครื่องมือค้นหา】
  • 【เกี่ยวกับ PLM สำหรับการดึงข้อมูลเว็บในการค้นหา Baidu 】สิ่งที่คุณไม่รู้จัก
  • EMNLP 2021 |

5. ส่งเสริมบทความการค้นหา

• 【 NLP อเนกประสงค์และหลากหลาย】
  • 【การเรียนรู้ของเครื่อง】
    • 【เกี่ยวกับการทำให้เป็นมาตรฐาน】สิ่งที่คุณไม่รู้จัก
    • 【เกี่ยวกับอัลกอริทึมการเพิ่มประสิทธิภาพ】สิ่งที่คุณไม่รู้จัก
    • 【เกี่ยวกับ batchnorm vs layernorm 】สิ่งที่คุณไม่รู้จัก
    • 【เกี่ยวกับการทำให้เป็นมาตรฐาน】สิ่งที่คุณไม่รู้จัก
    • 【เกี่ยวกับการ overfitting และ underfitting 】สิ่งที่คุณไม่รู้จัก
  • 【การเรียนรู้ลึก】
    • 【เกี่ยวกับ CNN 】สิ่งที่คุณไม่รู้จัก
    • 【เกี่ยวกับความสนใจ】สิ่งที่คุณไม่รู้จัก
    • 【เกี่ยวกับหม้อแปลง】สิ่งที่คุณไม่รู้จัก (ตอนที่ 1)
    • 【เกี่ยวกับหม้อแปลง】สิ่งที่คุณไม่รู้จัก (ภาษาจีน)
    • 【เกี่ยวกับหม้อแปลง】สิ่งที่คุณไม่รู้จัก (ตอนที่ 2)
  • 【งาน NLP 】
    • 【รุ่นก่อนหน้า】
      • 【เกี่ยวกับ tf-idf 】สิ่งที่คุณไม่รู้จัก
      • 【เกี่ยวกับ word2vec 】สิ่งที่คุณไม่รู้จัก
      • 【เกี่ยวกับ fasttext 】สิ่งที่คุณไม่รู้จัก
      • 【เกี่ยวกับ Elmo 】สิ่งที่คุณไม่รู้จัก
      • 【เกี่ยวกับ Bert 】สิ่งที่คุณไม่รู้จัก (ตอนที่ 1)
      • 【เกี่ยวกับ Bert 】สิ่งที่คุณไม่รู้จัก (ตอนที่ 2)
      • 【เกี่ยวกับการวิเคราะห์รหัสที่มาของเบิร์ตฉันเป็นร่างกายหลัก】สิ่งที่คุณไม่รู้จัก
      • 【เกี่ยวกับการวิเคราะห์รหัสแหล่งที่มาของเบิร์ต II บทก่อนการฝึกอบรม】สิ่งที่คุณไม่รู้จัก
      • 【เกี่ยวกับการวิเคราะห์รหัสแหล่งที่มาของเบิร์ต III บทปรับแต่งบทที่คุณไม่รู้จัก
      • [เกี่ยวกับการวิเคราะห์รหัสแหล่งที่มาของเบิร์ตบทความการสร้างเวกเตอร์ประโยค] สิ่งที่คุณไม่รู้จัก
      • 【เกี่ยวกับ Bert ที่ใหญ่กว่าลำดับที่ละเอียดยิ่งขึ้น】สิ่งที่คุณไม่รู้จัก (i)
      • 【เกี่ยวกับ Bert ที่ใหญ่กว่าลำดับที่ละเอียดยิ่งขึ้น】สิ่งที่คุณไม่รู้จัก (II)
      • 【เกี่ยวกับ Bert ที่ใหญ่กว่าลำดับที่ละเอียดยิ่งขึ้น】สิ่งที่คุณไม่รู้จัก (iii)
    • 【การค้นพบคำใหม่】
      • 【เกี่ยวกับการค้นพบคำใหม่】สิ่งที่คุณไม่รู้จัก
    • 【การสกัดคำหลัก】
      • 【เกี่ยวกับการแยกคำหลัก】สิ่งที่คุณไม่รู้จัก
      • 【เกี่ยวกับ Keybert 】สิ่งที่คุณไม่รู้จัก
• 【ระบบที่แนะนำทุกด้าน】
• ที่จะดำเนินการต่อ

6. เฟรมเวิร์ก

6.1 การเรียนรู้ Pytorch

• 【 Pytorch เวอร์ชันภาษาอังกฤษคู่มืออย่างเป็นทางการ】 https://pytorch.org/tutorials/
  • บทนำ: Pytorch เวอร์ชันภาษาอังกฤษคู่มืออย่างเป็นทางการ: https://pytorch.org/tutorials/ สำหรับนักเรียนที่มีภาษาอังกฤษที่ดีเอกสารอย่างเป็นทางการของ Pytorch นี้ขอแนะนำอย่างยิ่งซึ่งจะพาคุณไปทีละขั้นตอนจากการเริ่มต้นการเรียนรู้ เอกสารนี้มีรายละเอียดพื้นฐานเกี่ยวกับวิธีการสร้างเครือข่ายประสาทลึกโดยใช้ Pytorch เช่นเดียวกับไวยากรณ์ Pytorch และกรณีคุณภาพสูง
• [เอกสารทางการของจีน Pytorch] https://pytorch-cn.readthedocs.io/zh/latest/
  • บทนำ: เอกสารทางการของจีน Pytorch: https://pytorch-cn.readthedocs.io/zh/latest/ ไม่สำคัญว่าคุณจะมีปัญหาในการอ่านเอกสารภาษาอังกฤษที่กล่าวถึงข้างต้น
• [Pytorch Code Tutorial สำหรับอัลกอริทึมในทางปฏิบัติ] https://github.com/yunjey/pytorch-tutorial
  • บทนำ: นี่คือการสอนรหัส Pytorch ที่ใช้งานได้จริงมากขึ้นเกี่ยวกับอัลกอริทึม ขอแนะนำให้คุณเรียนรู้บทเรียน Pytorch พื้นฐานสองข้อข้างต้นก่อนที่จะอ่านเอกสารนี้
• 【 Pytorch Open Source Books 】 https://github.com/zergtant/pytorch-handbook
  • บทนำ: บทนำสู่หนังสือโอเพ่นซอร์ส: https://github.com/zergtant/pytorch-handbook นี่คือหนังสือโอเพ่นซอร์สที่มีเป้าหมายในการช่วยเหลือผู้ที่ต้องการและใช้ Pytorch สำหรับการพัฒนาการเรียนรู้อย่างลึกซึ้งและการวิจัยอย่างรวดเร็ว อย่างไรก็ตามเอกสารนี้ยังไม่สมบูรณ์และยังคงได้รับการปรับปรุง
• ["การเรียนรู้ที่ลึกลงไป" Pytorch] http://tangshusen.me/dive-into-dl-pytorch/#/
• 【การสอนเชิงปฏิบัติเกี่ยวกับการฝึกอบรมโมเดล pytorch 】 https://github.com/km1994/pytorch_tutorial
• 【 pytorch ขั้นสูงการปฏิบัติจริง NLP 】 https://github.com/km1994/nlp_pytorch_project
• 【 ARK-NLP Library เครื่องมือ NLP 】 https://github.com/xiangking/ark-nlp
  • บทนำ: คลังแสงโอเพนซอร์สของ Wang Xiang ส่วนใหญ่ใช้เพื่อรวบรวมและทำซ้ำโมเดล NLP ที่ใช้กันทั่วไปในนักวิชาการและการทำงาน

6.2 การเรียนรู้ Tensorflow

• 【เว็บไซต์ทางการของ Tensorflow 】 https://www.tensorflow.org/tutorials
  • บทนำ: การสอนเว็บไซต์อย่างเป็นทางการเป็นสื่อการเรียนรู้ที่มีกลิ่นหอมที่สุดแน่นอน
• 【ตัวอย่าง tensorflow 】 https://github.com/aymericdamien/tensorflow-exples
  • บทนำ: TensorFlow แบบฝึกหัดและตัวอย่างรหัสสำหรับผู้เริ่มต้น: https://github.com/aymericdamien/tensorflow-examples บทช่วยสอนนี้ไม่เพียง แต่ให้ชุดข้อมูลคลาสสิก แต่ยังเริ่มต้นจากการใช้ "Hello World" ที่ง่ายที่สุดไปยังอัลกอริทึมแบบคลาสสิกสำหรับการเรียนรู้ของเครื่องจักรและการใช้งานทั่วไปสำหรับเครือข่ายประสาท
• 【 Tensorflow บทช่วยสอน】 https://github.com/pkmital/tensorflow_tutorials
  • บทนำ: จากพื้นฐานของ tensorflow ไปจนถึงแอปพลิเคชันโครงการที่น่าสนใจ: https://github.com/pkmital/tensorflow_tutorials นอกจากนี้ยังเป็นบทช่วยสอนสำหรับมือใหม่ตั้งแต่การติดตั้งไปจนถึงการฝึกฝนโครงการเพื่อสอนให้คุณสร้างเครือข่ายประสาทของคุณเอง
• tensorflow แบบฝึกหัด Tensorflow โดยใช้ Jupyter Notebook 】 https://github.com/sjchoi86/tensorflow-101
  • บทนำ: TensorFlow Tutorial ที่เขียนใน Python โดยใช้สมุดบันทึก Jupyter: https://github.com/sjchoi86/tensorflow-101 บทช่วยสอนนี้เป็นบทช่วยการพัฒนาของ Jupyter Notebook
• 【 tensorflow_exercises 】 https://github.com/terryum/tensorflow_exercises
  • บทนำ: TensorFlow Code แบบฝึกหัด: https://github.com/terryum/tensorflow_exercises คู่มือออกกำลังกายรหัส Tensorflow จากง่ายไปจนถึงยาก เหมาะมากสำหรับเพื่อนที่ศึกษา TensorFlow
• 【การประยุกต์ใช้เบิร์ตและอัลเบิร์ตในงานดาวน์สตรีม】 https://github.com/km1994/bert-for-task
  • บทนำ: การใช้งานของ Bert ในงาน NLP

6.3 Keras เรียนรู้

• 【 bert4keras 】 https://github.com/bojone/Bert4Keras
  • บทนำ: อาร์เซนอลโอเพ่นซอร์สของ Sushen ซึ่งเป็นห้องสมุด Model Model รุ่น KERAS รุ่นใหม่ได้มุ่งมั่นที่จะรวมหม้อแปลงและ keras เข้ากับรหัสที่สดชื่นเป็นไปได้

6.4 การเรียนรู้กรอบการฝึกอบรมแบบกระจาย

• หมวดหมู่แรก: ฟังก์ชั่นการฝึกอบรมแบบกระจายที่มาพร้อมกับกรอบการเรียนรู้ลึก เช่น: tensorflow, pytorch, mindspore, oneflow, paddlepaddle ฯลฯ
• หมวดที่สอง: การปรับขนาดและการปรับให้เหมาะสมตามกรอบการเรียนรู้ลึกที่มีอยู่ (เช่น pytorch, flax) เพื่อทำการฝึกอบรมแบบกระจาย เช่น: megatron-LM (ขนานเทนเซอร์), DeepSpeed ​​(zero-DP), colossal-AI (แบบจำลองโมเดลมิติสูงเช่น 2D, 2.5D, 3D), ALPA (ขนานอัตโนมัติ) ฯลฯ

7. การแข่งขัน

5.1 การแข่งขันในประเทศ

• [การแข่งขันนักพัฒนา iflytek] http://challenge.xfyun.cn/
• 【 Ali Tianchi 】 https://tianchi.aliyun.com/
• 【 biendata 】 https://www.biendata.xyz/
• 【 datafountain 】 https://www.datafountain.cn/
• 【 Baidu Paddle Paddle 】 https://aistudio.baidu.com/

5.2 บัญชีอย่างเป็นทางการของการแข่งขัน

• 【 mapo tofu ai 】
  • บทนำ: จะแนะนำกิจกรรมล่าสุดที่คุณสามารถเข้าร่วมได้

5.3 อาร์เซนอลการแข่งขัน NLP

• [ห้องสมุดเครื่องมืออาร์เซนอล NLP] https://github.com/tingfree/nlper-arsenal
  • บทนำ: NLP Arsenal ซึ่งส่วนใหญ่รวมถึงการใช้กลยุทธ์การแข่งขัน NLP, แบบฝึกหัดงานต่าง ๆ , โพสต์ประสบการณ์, สื่อการเรียนรู้และเวลาการประชุม
• 【 Chip2021-Task3-Open Source Solution สำหรับงานที่ได้มาตรฐานในแง่คลินิก】
  • ซอร์สโค้ด GitHub
  • เว็บไซต์ประเมินผล: http://cips-chip.org.cn/2021/eval3
  • รหัสทั้งหมดขึ้นอยู่กับการใช้งาน Open Source ARK-NLP ของเรา ไม่มีรายการสำหรับงานมาตรฐานทางคลินิกของ Chip2021 ดังนั้นการดีบักรหัสเสร็จสิ้นในงานมาตรฐานทางคลินิกของ CBLUE ชุดข้อมูลการประมวลผลข้อมูลทางการแพทย์ของจีนของ Tianchi
  • ที่อยู่ ARK-NLP: https://github.com/xiangking/ark-nlp
  • ชุดข้อมูลการประมวลผลข้อมูลทางการแพทย์ของจีน cblue: https://tianchi.aliyun.com/dataset/datadetail?dataid=95414
• [Chip2021 บทสนทนาทางการแพทย์ Discovery การค้นพบการเลือกปฏิบัติงานเลือกสรรของ Yin-yang Champion Open Plan]
  • ซอร์สโค้ด GitHub
  • ชื่อ: CBLUE: มาตรฐานการประเมินภาษาชีวการแพทย์จีน
  • งานการประเมินผล: CBLUE 1.0 ประกอบด้วยชุดข้อมูลของการแข่งขันประเมินผลการศึกษาก่อนหน้าของการประชุม ChIP และธุรกิจการค้นหาทางการแพทย์ Ali Quark รวมถึงการสกัดข้อมูลทางการแพทย์ (การรับรู้เอนทิตี, การสกัดความสัมพันธ์), การทำให้เป็นมาตรฐานการแพทย์, การจำแนกข้อความทางการแพทย์, การตัดสินความสัมพันธ์ทางการแพทย์
  • ประเภทงาน: การจำแนกประเภทข้อความ, ความคล้ายคลึงกันของข้อความ, การจดจำเอนทิตีที่มีชื่อ, การสกัดความสัมพันธ์และมาตรฐานคำศัพท์ (ถือได้ว่าเป็นงานเชื่อมโยงเอนทิตีที่ไม่มีบริบท)
  • ลิงค์การประเมินผล: https://tianchi.aliyun.com/dataset/datadetail?dataid=95414
• 【 cblue-ali tianchi การแพทย์การแพทย์ NLP การจัดอันดับพื้นฐาน】 https://github.com/dataark/cblue-baseline
• [การแข่งขัน Shandong Big Data-Grid Event การจำแนกประเภทอัจฉริยะ] https://github.com/xiangking/shandongdatacompetition2021-grid-events-classification-baseline
  • งานการประเมินผล: ขึ้นอยู่กับข้อมูลเหตุการณ์กริดแยกและวิเคราะห์เนื้อหาเหตุการณ์ในกริดแบ่งหมวดหมู่ของเหตุการณ์และแบ่งประเภทกิจการของรัฐที่เหตุการณ์เป็น
  • ประเภทงาน: การจำแนกข้อความ
  • ลิงค์การประเมินผล: http://data.sd.gov.cn/cmpt/cmptdetail.html?id=67

8. คลังข้อมูล

8.1 วัสดุ NLP

• 【 nlp_chinese_corpus 】 https://github.com/brightmart/nlp_chinese_corpus
  • บทนำ: คลังภาษาจีนขนาดใหญ่สำหรับ NLP

8.2 ใบเสนอราคาระบบที่แนะนำ

• 【 Movielens 】 https://grouplens.org/datasets/movielens/
  • บทนำ: ชุดข้อมูล Movielens จัดโดยกลุ่มวิจัย Grouplens ในมหาวิทยาลัยมินนิโซตา (ไม่เกี่ยวข้องกับการใช้ชุดข้อมูลของเรา) Movielens เป็นคอลเลกชันของการจัดอันดับภาพยนตร์มีให้เลือกหลายขนาด ชุดข้อมูลมีชื่อว่า 1m, 10m และ 20m เนื่องจากมีการจัดอันดับ 1, 10 และ 200,000 ชุดข้อมูลที่ใหญ่ที่สุดใช้ข้อมูลจากผู้ใช้ประมาณ 140,000 คนและครอบคลุมภาพยนตร์ 27,000 เรื่อง นอกเหนือจากการให้คะแนนข้อมูล Movielens ยังมีข้อมูลประเภทคล้ายกับ "Western" และ TAG สำหรับแอปพลิเคชันผู้ใช้เช่น "Over Top" และ "Arnold Schwarzenegger" แท็กประเภทและฉลากเหล่านี้มีประโยชน์ในการสร้างเวกเตอร์เนื้อหา เวกเตอร์เนื้อหาเข้ารหัสข้อมูลของรายการเช่นสีรูปร่างประเภทหรือแอตทริบิวต์อื่น ๆ จริง ๆ - ซึ่งอาจเป็นรูปแบบใด ๆ ของอัลกอริทึมคำแนะนำสำหรับเนื้อหาที่อิงกับเนื้อหา
• 【การข้ามหนังสือ】
  • บทนำ: Book-Crossings เป็นชุดข้อมูลการจัดอันดับหนังสือที่เขียนโดย Cai-Nicolas Ziegler ตามข้อมูลจาก http://bookcrossing.com มีการให้คะแนน 1.1 ล้านเล่มสำหรับหนังสือ 270,000 เล่มจากผู้ใช้ 90,000 คน คะแนนอยู่ในช่วงตั้งแต่ 1 ถึง 10 และยังรวมถึงคะแนนโดยนัย
• 【 last.fm 】 http://www2.informatik.uni-freiburg.de/~cziegler/bx/
  • บทนำ: Last.fm จัดเตรียมชุดข้อมูลสำหรับคำแนะนำเพลง สำหรับผู้ใช้แต่ละคนในชุดข้อมูลให้รวมรายการศิลปินยอดนิยมและจำนวนบทละคร นอกจากนี้ยังมีแท็กแอปพลิเคชันผู้ใช้ที่สามารถใช้ในการสร้างเวกเตอร์เนื้อหา
• 【ตัวแทนการออกเดท】 (http://www2.informatik.uni-freiburg.de/~cziegler/bx/)
  • บทนำ: ชุดข้อมูลนี้มีการจัดอันดับที่ไม่ระบุชื่อ 17,359,346 รายการสำหรับไฟล์กำหนดค่า 168,791 ไฟล์โดยผู้ใช้ Libimseti 135,359 คนที่ส่งออกเมื่อวันที่ 4 เมษายน 2549
• อื่น ๆ : https://zhuanlan.zhihu.com/p/258566760

8.3 เครื่องมือการติดฉลาก

• คุณยังกังวลว่าจะไม่ค้นหาคำอธิบายประกอบความสัมพันธ์ของเอนทิตีหรือไม่?
• https://labelstud.io/
• Doccano

9. บทบัญชีอย่างเป็นทางการ

• สิ่งที่คุณไม่รู้เกี่ยวกับ NLP
  • บทนำ: สิ่งที่คุณไม่รู้เกี่ยวกับ NLP
• ห้องที่อ่อนน้อมถ่อมตนของ CS
  • บทนำ: โพสต์เกี่ยวกับการแบ่งปันประสบการณ์ของ Char Siu Boss
• Dataark
  • บทนำ: DataArk เป็นข้อมูลที่ขับเคลื่อนด้วยข้อมูลและโอเพนซอร์สที่เน้นการแบ่งปันและมุ่งมั่นที่จะทำเหมืองข้อมูลนวัตกรรมอัลกอริทึมและการพัฒนาเครื่องมือปฏิบัติ
• ระบบคำแนะนำอัจฉริยะ
  • บทนำ: การมุ่งเน้นไปที่ระบบคำแนะนำอัจฉริยะนี่คืออัลกอริทึมที่เกี่ยวข้องกับคำแนะนำส่วนบุคคลล่าสุดและครอบคลุมมากที่สุดและการแบ่งปันแอพพลิเคชั่นอุตสาหกรรม
• DataFuntalk
  • บทนำ: มุ่งเน้นไปที่การแบ่งปันและการสื่อสารของข้อมูลขนาดใหญ่และแอพพลิเคชั่นเทคโนโลยีปัญญาประดิษฐ์ มุ่งมั่นที่จะบรรลุเป้าหมายนักวิทยาศาสตร์หลายล้านคน定期组织技术分享直播，并整理大数据、推荐/搜索算法、广告算法、NLP自然语言处理算法、智能风控、自动驾驶、机器学习/深度学习等技术应用文章。
• RUC Al Box
  • 介绍：本公众号主要关注使用人工智能技术来解决自然语言处理与社交媒体数据挖掘的研究内容。分享Al前沿，解读热点论文。
• NewBeeNLP
  • 介绍：会介绍很多NLP 优秀笔记
• 开放知识图谱
  • 介绍：openKG:开放促进互联、链接创造价值
• WeData365
  • 介绍：学习【搜索引擎】 的小伙伴一定要关注，因为有很多【搜索引擎】 干货分享
• 科学空间
  • 介绍：苏神的公众号，每周四苏神都会开源他的研究笔记。
• 老刘说NLP
  • 介绍：360人工智能研究院大佬刘焕勇刘大佬的公众号，定期发布语言资源、工程实践、技术总结等内容。
• 数据拾光者
  • 介绍：学习【广告】 的小伙伴一定要关注，因为有很多【广告】 干货分享
• 泛函的范
  • 介绍：鹅厂大佬的学习笔记分享
• 计算广告那些事
  • 介绍：学习【广告】 的小伙伴一定要关注，因为有很多【广告】 干货分享
• 药老算法
  • 介绍：学习【搜索引擎】 的小伙伴一定要关注，因为有很多【搜索引擎】 干货分享
• 机器学习算法与自然语言处理
  • 介绍：一个有情怀的公众号。机器学习、自然语言处理、算法等知识集中营、期待与你相遇~
• 王喆的机器学习笔记
  • 介绍：推荐系统，计算广告，机器学习领域前沿进展
• AINLP
  • 介绍：关注AI、NLP、机器学习、推荐系统、计算广告等相关技术。公众号可直接对话双语聊天机器人，尝试自动对联、作诗机、藏头诗生成器，调戏夸夸机器人、彩虹屁生成器，使用中英翻译，查询相似词，测试NLP相关工具包。
• 李rumor
  • 介绍：李rumor 小姐姐的学习笔记分享
• 夕小瑶的卖萌屋
  • 介绍：自然语言处理、计算机视觉、信息检索、推荐系统、机器学习

十、学习笔记

• 科学空间：
  • 地址：https://spaces.ac.cn/
  • 介绍：苏神经验学习笔记分享
• 魔法学院的Chilia
  • 地址：https://www.zhihu.com/people/wang-zi-han-81-18/posts
  • 方向：推荐系统| 广告| 搜索| NLP
• 水哥
  • 地址：https://www.zhihu.com/people/shui-ge-99
  • 方向：推荐系统
• JayJay
  • 地址：https://www.zhihu.com/people/lou-jie-9
• 我想了很多事
  • 地址：https://www.zhihu.com/people/yuan-chao-yi-83

十一、部署笔记

• Bert与TensorRT部署手册，享受丝滑的顺畅

参考

1. 关于大模型实践的一些总结