- 综合排序
- 最热优先
- 最新优先
- 来自专栏小小挖掘机
10大算法工程师炼丹Tricks
针对类别不平衡问题，用预测概率对不同类别的loss进行加权。Focal loss对CE loss增加了一个调制系数来降低容易样本的权重值，使得训练过程更加关注困难样本。
1.1K30发布于 2021-03-24 - 来自专栏接地气学堂
算法工程师之死
“我们的算法工程师水平太差了，完全解决不了问题！” ——作为一个经常和传统企业打交道的乙方，这种抱怨陈老师听得太多了，类似惨痛画面也见得太多了。今天我们系统说说。 模型厉害不厉害，厉害！ 于是，很多企业咬牙跺脚，出高薪，聘请来自互联网大厂的算法工程师、数据挖掘工程师、数据建模师，期望他能做出超厉害模型。“只要你能预测精准了，那我肯定能如鱼得水”是他们的口头禅。 又刚好，一批2019年左右混入所谓互联网大厂的算法工程师们，被裁员了，以为自己可以打着“前头腾阿高级算法工程师”旗号收割一波传统企业，从此乌鸡变凤凰，走上人生巅峰。两者一拍即合。 ，为啥还要小妹来帮忙，你看人家抖音不都是算法工程师做的？？” 别的不说，单说生鲜电商，疫情影响，大家都觉得生鲜电商有前途，于是一帮连饭都没有煮过、娃都没有生过的算法工程师们，正在努力研究“蔬菜精准推荐”“买菜智能预测”算法呢。 是滴！
49531编辑于 2022-06-13 - 来自专栏五分钟学算法
10 大算法
什么是算法呢？ 简单的说，任何定义明确的计算步骤都可称为算法，接受一个或一组值为输入，输出一个或一组值。 1、有穷性，执行有限步骤后，算法必须中止。 2、确切性，算法的每个步骤都必须确切定义。 最早的数学算法可追溯到公元前1600年-Babylonians有关求因式分解和平方根的算法。 与早期的排序算法相比(如冒泡算法)，这些算法将排序算法提上了一个大台阶。也多亏了这些算法，才有今天的数据发掘，人工智能，链接分析，以及大部分网页计算工具。 02 傅立叶变换 和快速傅立叶变换 ? 链接分析算法一直是这个领域最让人费解的算法之一，实现方式不一，而且其本身的特性让每个实现方式的算法发生异化，不过基本原理却很相似。 你正在看的这个网页就是使用数据压缩算法将信息下载到你的电脑上。除文字外，游戏，视频，音乐，数据储存，云计算等等都是。它让各种系统更轻松，效率更高。 10 随机数生成算法 ?
52840发布于 2019-06-03 - 来自专栏Python七号
如何成为 10 倍工程师
最好的软件工程师比其他人要好 10 倍。他们升职的速度比任何人都快。每个人都想聘请 10 倍工程师，每个人都想成为 10 倍工程师。 但是，你到底是如何成为 10 倍工程师的呢？ 在我作为软件工程师在 Uber 和 Amazon 工作期间，我了解到这并不说要成为一个技术更好的程序员。 在本文中，我将分享我学到的 3 个经验教训，这对于成为 10 倍软件工程师至关重要。 3、思考未来 当你与从未见过的工程师开会时，你的级别和头衔不是会议邀请的一部分，但是随着会议的进行，你很容易发现 10x 工程师，因为他们的举止方式，以及他们谈论事情的方式。 10 倍工程师的普遍特征之一是都是长期主义者，更看重未来的收益。 人们普遍会低估未来的回报，因为会存在巨大压力，而立竿见影的收益是团队的默认策略。 最后的话 非技术技能是最强工程师和最弱工程师之间的区别。如果你认可上面的三点，却不去身体力行的去实践，那么利 10 倍工程师的距离也就越来越远。
36810编辑于 2022-10-25 - 来自专栏木东居士的专栏
数据工程师的算法！
翻出来了17年自己梳理的数据工程师的算法学习内容，当时的理解和现在会有些许不同，但整体来看还是可以的，有一些比较细节的内容并没有花较多的时间来整理，留待大家自己补充了，在此不再做任何修改分享给大家参考， 该图中包含的算法范围可能会比较广，当然大家在学习的时候也可以有所取舍，根据居士个人经验，简单举例说明一下几大块算法对数据工程师的重要性，或者说是学习建议吧： 分布式算法：大数据相关的同学必备，日常工作可能使用不多 大数据算法：偏ETL和基于大数据平台开发的同学最好多做了解，现在很多大数据处理的背后都隐藏了这些大数据相关的算法，比如ES、Kylin、Hadoop。 其它算法：这里列了一些日常工作会遇到，但是一般不需要我们了解太深的算法，比如加密、压缩和调度算法，这些最好是有所了解知道不同算法的作用和区别，但是如果项目不太需要，不必学的特别深。 ok，大致就这些内容，如果此图对你有帮助，欢迎开启你的算法学习道路！
70450发布于 2019-05-17 - 来自专栏机器学习算法与Python学习
万字长文 | 10种传统机器学习算法，阿里工程师总结 | 下
在这篇文章中我们将介绍10种常见的推荐算法，并且列举一些实际的例子，希望能对你的推荐算法学习带来些许帮助。 Step3：给用户推荐商品 通过Step2计算用户对全库商品的协同过滤得分，取得分top 10展示给用户。 通过上述公式对全库商品求top 10得分的商品推荐给用户。在实际计算当中，并非会进行全库计算，而是采用特征索引技术进行减少大量冗余计算。 Step4：如何给用户推荐物品 给定一个用户，通过Step3的公式计算该用户对所有物品的偏好得分，取该用户没有曝光过得分排名前10的物品进行推荐。 10基于LR的推荐算法 10.1原理介绍 LR（逻辑斯蒂回归）算法的本质是一个线性回归函数，该算法主要用作二分类的场景，例如点击率预估，算法公式如下： ? 其中x是模型的输入 ?
95840发布于 2019-07-04 - 来自专栏程序员成长充电站
10倍工程师和1倍工程师，10x engineer and 1x engineer
阅读本文大概需要 10 分钟 工程师想安安静静的搬会儿砖？不可能的，总有这样那样的分心事儿。最近又冒出来一个梗，叫做10倍工程师（10x engineer）。 Shekhar Kirani在推特上说创业者要找到能以一扛十的工程师，即10倍工程师，这样创业成功的概率会大大提高，然后这哥们还列出了10倍工程师的特点，原文如下： 10x engineers hate 好事者又源源不断的增加了各种特点，并且这事发酵之后，关于10倍工程师的各种梗、迷因meme层出不穷，还有各种10倍妈妈、10倍爸爸。。。 有10倍工程师就有1倍工程师，一个哥们就创建了一个1倍工程师网站，1x.engineer，列出了1倍工程师的特点如下： Searches Google when they're not sure what's 不管是10倍工程师还是1倍工程师，在团队层面，每一个工程师都很重要。虽然10倍工程师的光芒会更强一些，但却是凤毛麟角，正如Shekhar Kirani所说，碰到了就赶紧把握住。
93910发布于 2019-09-27 - 来自专栏智能大数据分析
【深度学习优化算法】10：Adam算法
在AdaGrad算法中，我们通过对每个坐标缩放来实现高效计算的预处理器。 在RMSProp算法中，我们通过学习率的调整来分离每个坐标的缩放。 Adam算法将所有这些技术汇总到一个高效的学习算法中。 前者在实践中效果略好一些，因此与RMSProp算法有所区分。通常，我们选择 \epsilon = 10^{-6} ，这是为了在数值稳定性和逼真度之间取得良好的平衡。 data_iter, feature_dim = d2l.get_data_ch11(batch_size=10) d2l.train_ch11(adam, init_adam_states(feature_dim p.grad.data.zero_() hyperparams['t'] += 1 data_iter, feature_dim = d2l.get_data_ch11(batch_size=10 Adam算法在RMSProp算法基础上创建的，还在小批量的随机梯度上使用EWMA。 在估计动量和二次矩时，Adam算法使用偏差校正来调整缓慢的启动速度。
60810编辑于 2025-08-02 - 来自专栏数据科学与人工智能
【算法】10 种机器学习算法要点
小编邀请您，先思考： 1 你熟悉那些机器学习算法？ 2 你如何应用机器学习算法？ 常见机器学习算法名单 这里是一个常用的机器学习算法名单。 这些算法几乎可以用在所有的数据问题上： 线性回归 逻辑回归 决策树 SVM 朴素贝叶斯 K最近邻算法 K均值算法 随机森林算法 降维算法 Gradient Boost 和 Adaboost 算法 1、线性回归 更多请见：支持向量机的简化(http://www.analyticsvidhya.com/blog/2014/10/support-vector-machine-simplified/) 将这个算法想作是在一个 princomp(train, cor = TRUE) train_reduced <- predict(pca,train) test_reduced <- predict(pca,test) 10
74090发布于 2018-03-27 - 来自专栏AI科技评论
干货 | 让算法解放算法工程师——NAS 综述
Zhong et al.[10] 提出 FLOPS、子模型的 model size 与最终模型准确率负相关，介绍一种应用于奖励计算的修正函数，子网络的准确性可以通过提前训练停止获得，弥合代理度量和真实准确率的差距 图 5 AutoML 开源框架全景图 AutoML 框架能帮助算法工程师减轻负担，降低特征工程和超参数调优的工作量，NAS 可以完成模型的构建，基于 AutoML 的一揽子解决方案（如图 5 包含 AutoML 目前 Cloud AutoML 的费用是 20 美金/小时，相当于国内算法工程师的时薪。 机器学习的平台化降低了 AI 产品的使用成本，最终会降低机器学习的准入门槛，但提高了个人的职业门槛。 工业时间业务不止模型调参那么简单，需要结合很多图像数据的先验知识，随着 NAS 的发展，也许不能取代 100% 的人力成本，但是在项目团队中解放 50% 以上的算法工程师还是可行的。 Progressive neural architecture search. arXiv preprint arXiv:1712.00559, 2017. [10] Zhao Zhong, Junjie
1.8K10发布于 2018-09-21 - 来自专栏牛客网
阿里算法工程师面经
从事iOS两年，转算法工程师的历程。 第一面是问的都是 算法基础。按照网上的面经准备好基本没问题，基本不会超出网上的大纲。我回忆一下，我的面试题目。 总结失败的经验，我对每个算法是理解了，但是对算法的应用场景思考不多，也没有经验，对于应用方面回答不好，所以失败。所以总结对算法的学习，需要从原理，和其他算法的优缺点，以及应用场景去把握，面试才不可怕。 说了这么多，如果你是应届生，尽量多参加天池或者kaggle的比赛，对算法有一定基础，所有公司对应届生的要求不会太高，会很宽容，好好珍惜应届生的机会；本人不是应届生，也不是研究生，中途转算法，虽然是985 大学，但是简历关都被刷了很多，历程坎坷，幸好还是顺利踏入算法工程师的行业，且看未来吧。
1.1K60发布于 2018-06-07 - 来自专栏PPV课数据科学社区
阿里电话面试(算法工程师)
所以我也经常无私的去帮助陌生人和朋友，无论是生活还是编程上，你也可以试试~ 因为我导师的研究方向是数据挖掘和自然语言处理，同时毕业设计在做知识图谱和实体对齐相关的研究，自己对这部分挺感兴趣的，所以申请了“算法工程师 职位描述 算法工程师：自然语言处理(NLP)、图像处理、语音识别、机器学习、分布式并行算法、数据挖掘、推荐搜索、复杂网络、深度学习、广告、机器翻译 岗位描述：如何从海量商品中找到最合适的商品、推荐和搜索系统 而且7月8日我刚考过科目四拿到驾照，7月9日参加毕业开题答辩，7月10日早上10点电话面试，所以准备时间仅仅半天了（6小时），晚上还打了三把dota，哎！ 个查询 若10亿个则先划分小，1000个小文件中，再hashmap通过数量，归并top10，而该题数据300万较小，古内存中处理，HashTable+堆实现<key,value>对应<字符串 ,次数>的top10获取。
1.6K40发布于 2018-04-18 - 来自专栏机器学习AI算法工程
阿里电话面试(算法工程师)
所以我也经常无私的去帮助陌生人和朋友，无论是生活还是编程上，你也可以试试~ 因为我导师的研究方向是数据挖掘和自然语言处理，同时毕业设计在做知识图谱和实体对齐相关的研究，自己对这部分挺感兴趣的，所以申请了“算法工程师 职位描述 算法工程师：自然语言处理(NLP)、图像处理、语音识别、机器学习、分布式并行算法、数据挖掘、推荐搜索、复杂网络、深度学习、广告、机器翻译 岗位描述：如何从海量商品中找到最合适的商品、推荐和搜索系统 而且7月8日我刚考过科目四拿到驾照，7月9日参加毕业开题答辩，7月10日早上10点电话面试，所以准备时间仅仅半天了（6小时），晚上还打了三把dota，哎！ 个查询 若10亿个则先划分小，1000个小文件中，再hashmap通过数量，归并top10，而该题数据300万较小，古内存中处理，HashTable+堆实现<key,value>对应<字符串 ,次数>的top10获取。
2.6K80发布于 2018-03-09 - 来自专栏华章科技
阿里电话面试(算法工程师)
所以我也经常无私的去帮助陌生人和朋友，无论是生活还是编程上，你也可以试试~ 因为我导师的研究方向是数据挖掘和自然语言处理，同时毕业设计在做知识图谱和实体对齐相关的研究，自己对这部分挺感兴趣的，所以申请了“算法工程师 职位描述 算法工程师：自然语言处理(NLP)、图像处理、语音识别、机器学习、分布式并行算法、数据挖掘、推荐搜索、复杂网络、深度学习、广告、机器翻译 岗位描述：如何从海量商品中找到最合适的商品 而且7月8日我刚考过科目四拿到驾照，7月9日参加毕业开题答辩，7月10日早上10点电话面试，所以准备时间仅仅半天了（6小时），晚上还打了三把dota，哎！ 个查询 若10亿个则先划分小，1000个小文件中，再hashmap通过数量，归并top10，而该题数据300万较小，古内存中处理，HashTable+堆实现<key,value>对应<字符串 ,次数>的top10获取。
2.3K20发布于 2018-08-17 - 来自专栏数据科学与人工智能
算法与算法工程师，技术与技术人员
（注：标题里的算法，指机器学习算法，或者说“算法工程师”这个职位名称里的“算法”，不是“算法与数据结构”里的那个算法。 谁能告诉我有没有什么更好的名字来区别这它们，或许是“机器学习算法”与“传统算法”？） 算法与算法工程师 先来一段我在知乎里回答“做算法工程师是一种怎样的体验？” 算法工程师可能只需用类似Hive的方式，写几个类似SQL的语句就可以完成模型的训练、交叉验证、参数优化等工作。 而机器唯一不能替代的就是对数据的理解，这是算法工程师存在的价值。 而数据是和业务强相关的，算法工程师将更加接近产品经理的角色，而不是程序员。深入理解数据、业务和产品，寻找模型和它们的结合点，将成为算法工程师的核心竞争力。 这里刘同学提出一个问题，那就是算法工程师对算法需要理解到何种程度？事实是，即使从算法的应用出发，工程师也需要掌握模型的优缺点、适用场景、模型选择、参数调优等技术。
1K70发布于 2018-02-28 - 来自专栏OpenFPGA
FPGA 工程师必备的 10 项技能
工程师有多种职业形式，但对工程师来说最令人兴奋的职业之一就是成为一名 FPGA 设计工程师。现场可编程门阵列 (FPGA) 设计工程师的任务是设计安全可靠且可进行个性化定制的电路和产品。 以下是 FPGA 设计工程师需要的 10 项有用技能： FPGA 设计工具 FPGA 设计工程师需要对如何创建系统以及使用行业软件和工具有深入的了解。 设计工程师经常与许多其他类型的工程师合作，必须对每个人的专业领域有深入的了解，以了解团队如何共同努力，分担项目的责任。 FPGA 设计工程师使用各种数学方法，从跟踪测量和进行计算来构建硬件系统，到使用算法和统计分析来跟踪费用和风险因素。 对高等数学的深入理解在该领域取得成功至关重要。 要成为一名成功的 FPGA 设计工程师，请努力培养这 10 项关键技能。
82720编辑于 2023-08-30 - 来自专栏算法工程师之路
每日算法题：Day 10
作者：TeddyZhang，公众号：算法工程师之路 Day 10, Linux知识点走起~ 1 编程题 【剑指Offer】顺时针打印数组 输入一个矩阵，按照从外向里以顺时针的顺序依次打印出每一个数字 ，例如，如果输入如下4 X 4矩阵：1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 则依次打印出数字1,2,3,4,8,12,16,15,14,13,9,5,6,7,11,10
65430发布于 2019-08-13 - 来自专栏【腾讯云开发者】
算法工程师深度解构ChatGPT技术
图片 引言 | 本栏目特邀腾讯知名语言文本项目算法工程师冉昱、薛晨，用专业视野带你由浅入深了解ChatGPT技术全貌。它经历了什么训练过程？成功关键技术是什么？将如何带动行业的变革？ 文中模型可以产生比10倍更大模型容量更好的摘要效果。但文中也同样指出，模型的成功部分归功于增大了奖励模型的规模。 PPO PPO(Proximal Policy Optimization) 一种新型的Policy Gradient算法（Policy Gradient是一种强化学习算法，通过优化智能体的行为策略来解决在环境中实现目标的问题 若保守按照日活1w用户、人均10篇文章计算，则每日调用成本为：10000*10*0.4=40000元。虽成本过于高昂，但实现时间最少。 腾讯工程师技术干货直达： 1.太硬核！用大数据技术预测足球胜率 2.祖传代码重构：从25万行到5万行的血泪史 3.探秘微信业务优化：DDD从入门到实践 4.万字好文！
3.2K40编辑于 2022-12-10 - 来自专栏腾讯技术工程官方号的专栏
算法工程师眼中的AI岗位
人工智能工程师做的产品大部分和机器学习相关。如下图中，尽管工作职位的称呼是人工智能算法工程师，但绝不是让你去开发专家系统, 而是让你做与学习相关的工作。 在工作职位上，相关职位有：机器学习工程师和机器学习平台工程师。前者的工作职责是将机器学习算法应用在现有业务上，后者的工作职责则是建设并维护分布式机器学习平台。 还有一个相关工作职位是算法工程师。 这里所指的算法不是计算机基础算法（如动态规划），而是机器学习算法。笔者个人认为应该称为机器学习算法工程师更加恰当。这个职位和机器学习工程师类似。另外一个职位是深度学习工程师。 但有一种情况例外: 如果推荐系统和广告系统部门招聘，机器学习工程师偏重于点击率预估算法的实现和改进，数据挖掘工程师则偏重于新特征的挖掘。 推荐系统和广告系统作为能直接带来效益的部门，自然需要招聘专门的推荐算法工程师和广告算法工程师。推荐算法工程师和广告算法工程师的主要职责分别是建立推荐和广告的点击率预估。
82350发布于 2019-03-20 - 来自专栏机器学习与统计学
算法工程师的修养 | 图解SQL
https://blog.csdn.net/horses/article/details/104553075
1K20发布于 2021-10-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号