商业化服务中我们经常需要对数据进行定期更新，如在神秘商店活动中，因为用户等级、付费等信息会的变化，给用户推荐的道具和折扣也需要每天都进行更新，进而就产生了如何使线上数据定时生效的问题。在之前的架构中，我们采取的做法是业务同学周期性地将数据导入到hdfs中，采用打tag的形式告知后台开发同学线上服务该读取哪份数据。现在我们把数据存储从hdfs迁移到redis，利用哈希的数据结构，实现了一套自动删除和更新的生效方式，无需人工打tag区分生效版本。这里将实现的思路简要介绍一下，给其他需要线上数据定时生效的场景提供参考。
继续阅读
在大部分传统机器学习场景里，我们先经过特征工程等方法得到特征表示，然后选用一个机器学习算法进行训练。在训练过程中，表示事物的特征是固定的。 继续阅读
广告和推荐系统都是工业级的大系统，对现在的人工智能有很重要的意义。如果人工智能的几个创新点（人脸识别、对话机器人和无人驾驶等）失败，人工智能的核冬天的惨象也不会重现于世。靠着广告和推荐系统的收益，人工智能社区就能全身而退，重新回到 “世界上最聪明的一群人，每天研究的是如何让人更多的点广告” 。同时广告和推荐系统还是机器学习工业应用的制高点，机器学习最前沿的进步都会被尝试于广告和推荐系统上。对于这样一个制高点，不同的算法都想在里面占一席之地。
随着 SVM 为代表的统计机器学习退出舞台中心，深度学习（深度的神经网络）又成为机器学习的中心, 现在是广告和推荐系统的主流方法。但是在深度学习光耀之外，还有一个机器学习流派一直占有重要作用，也力图进入广告和推荐系统领域但失败而归：树模型。 继续阅读
当我们在做系统开发时，日志系统是绕不开的话题。作为日志系统的最终使用者，我们会接触不同的日志系统，比如 log4j、 logback 和 slf4j 等等，还会接触到日志系统的各种概念，比如 Formatter、Appender 和 Priority 等。这些日志系统有什么区别，这些概念又该怎么理解呢？ 继续阅读
目前，游戏 AI 领域方兴未艾，出现了大量的新方法新构思。棋牌游戏中的牌类游戏 AI，比如德州、扑克和斗地主等，也在博弈论方法的基础上，发展出了新的思想和方法。今天就介绍其中古老的虚拟对弈 (Fictitious Play, FP) 算法在机器学习大行时代的新变化。 继续阅读
广告和推荐系统作为机器学习领域的“摇钱树”，一直受到广泛的关注。在这 5 年，或者说 10 年的维度上，广告和推荐系统发生了改头换面的变化。传统的方法已经远去，一时先进的新兴的方法广泛走向千家万户。今天介绍的在线学习，就已经从先进走向了千家万户。
继续阅读
深度强化学习是学术界研制游戏 AI 的主流算法。这篇文章我们将用深度强化学习早期代表算法 DQN 算法探索棋牌 AI。 继续阅读
推荐系统常用分类算法包括 LR、XGBoost 和最新的 Deep Learning 。libFM 可以看出是自动特征交叉和 LR 算法的结合。XGBoost 在竞赛中用得多，但在实际工业中鲜见其成功案例。Deep Learning 则是未来可能成为 CTR 预估范式的新兴算法，但现在受限于成本和性能。LR 作为老牌工业推荐系统中算法，至今活跃在一些推荐场景中。 继续阅读
DeepMind 发表 DQN 算法在 Atari 游戏上超过人类之后，游戏 AI 研究迅速成为了研究热点。游戏 AI 研究火热的一个侧面是游戏 AI 环境推陈出新，层出不穷。OpenAI Gym/Universe、ELF 和 SC2LE 等高水准的游戏 AI 环境相继问世。 继续阅读
AlphaGo Zero [1] 已经出来一段时间了。本来 AlphaGo Zero 一出来就应该写科普的，但自己实在懒。等到现在才更新。
继续阅读
人类文明开化以来，私有制似乎是人类历史的主流在西方国家，“私有财产神圣不可侵犯” 是很多资本主义国家的立国原则之一。在我国，“私有财产不可侵犯” 也是写在宪法中的。在人类社会中，私有制表面由由法律保证，实质上是有法律背后的国家强制力保证。 继续阅读
LR (逻辑回归) 算法因其简单有效，成为工业界最常用的算法之一。但 LR 算法是线性模型，不能捕捉到非线性信息，需要大量特征工程找到特征组合。为了发现有效的特征组合，Facebook 在 2014年介绍了通过 GBDT （Gradient Boost Decision Tree）+ LR 的方案 [1] （XGBoost 是 GBDT 的后续发展）。随后 Kaggle 竞赛实践证明此思路的有效性 [2][3]。
继续阅读
人工智能的飞速发展导致工作岗位的减少，从而引发社会矛盾，是人们普遍的想法。但是另一方面，人工智能也创造了另外一些工作。这些新的工作职位都是做什么的呢？都有哪些渊源呢？近年来人工智能大火，人工智能、机器学习、深度学习和大数据等概念频频出现。这些概念和这些工作职位又有什么关系呢？
继续阅读
这篇文章介绍 Akka 的同步机制，以及 Spark 和 Akka 的恩怨情仇。 继续阅读
最近使用 Python 一个项目，发现 Python 的深拷贝 copy.deepcopy 实在是太慢了。 继续阅读
在从事深度学习过程中, 如果我们想训练一个类别非常多的分类器 (比如一个拥有巨大词汇库的语言模型), 正常的训练过程将非常缓慢。 继续阅读
北京时间 2017 年 2 月 8 号，Google 宣布在其博客上发布 TensorFlow Fold 支持动态图计算。动态图计算是 Tensorflow 第一次清晰地在设计理念上领先。 继续阅读
通过上一篇文章，我们已经大致了解怎么使用 Akka，期待细致用法。这篇文章将介绍如何用 Akka-testkit 对 Akka 程序进行测试。 继续阅读
最近在看 Spark 相关的资料，准备整理一个 Spark 系列。Akka 是 Spark 实现内部通讯的组件，Spark 启动过程的第一步便是建立 Akka 的 ActorSystem。因此看了有几篇文章学习了下 Akka 相关知识。 继续阅读
