近日，由开放原子开源基金会与 Linux 基金会联合开源中国共同举办的首届“GOTC 全球开源技术峰会”在上海世博中心圆满落幕。作为LF AI & Data子基金会的理事会成员之一，OPPO数智工程系统资深技术专家Liam Zheng在GOTC「AI大数据与数字经济」分论坛发表了名为《下一代人工智能：逻辑理解？物理理解？》的演讲。本文通...

2021年6月22日，OPPO正式以理事会白金会员身份加入LF AI & Data基金会。未来，OPPO将与其他高级成员一道，致力于构建领先的全球人工智能与数据开源开放社区，加速人工智能与数据技术的创新发展与实际应用。

有的人可以徒手推导机器学习算法公式，可以深入源码了解算法的实现，又或者在Kaggle比赛中获得不错的名次，但在实际的项目中却走得“步履蹒跚”，究其根本原因是机器学习知识体系还不完善。

在实际广告投放过程中，我们常常会碰到一个问题：媒体流量比较大，广告主预算消耗过快，有些中小广告主甚至在开始投放的几分钟内就把预算消耗完。这会导致广告主早早退出后续流量的竞争，不仅会影响广告主体验（无法触达到更多的优质用户），也导致整个广告不平稳（竞争都集中在早期，而后期又竞争不足）。

Gradient Boosting（梯度提升）是一种解决机器学习中分类和回归任务的技术。跟其他Boosting家族成员一样，其预测模型也是由一系列弱预测模型组成的。

图数据结构突破传统数据库按记录组织数据的限制，具备更灵活的现实数据建模能力。如何将图数据结构中的信息进行合理表征，方便地应用于下游任务成为一个问题。

通常情况下，我们得到的数据中包含脏数据或者噪声。在模型训练前，需要对这些数据进行预处理，否则再好的模型也只能“garbage in，garbage out”。

尽管大量科研相关人员已经标注了很多标准数据集。但就算著名如ImageNet，在其千万级数据集中也不过分为21841 个类别，现实世界中已经标注的数据仍然只占少数，且有诸多场景如疾病图像的数据难以大量获取。

本文来自OPPO互联网技术团队，如需要转载，请注明出处及作者。欢迎关注我们的公众号：OPPO_tech 按：本文主要介绍了广告场景中的机器学习应用场景，以及不同场景下对于算法要求的不同，可以作为了解算法在广告产生作用的入门文章。 在整个广告流程中，数据起着至关重要的作用，但最终数据的价值最大化，核心还是依赖于算...

在多数中寻找少数异常样本，这在实际工业生产中是非常常见的一种诉求，因为特殊的判别需求总是体现在少数部分里头。以广告为例，在众多广告实际点击，表单提交中如何判别异常点击异常案例，也是非常常见的案例。

图论是计算机科学中最重要、最有趣的分支之一，对于存在拓扑关系的业务场景，理解和使用图可以对业务有很多帮助。本文主要针对图理论在大数据量下的技术和应用场景做全貌性的介绍。