机器学习在领英的规模化应用

作者:亚博APp有安全保障发布时间:2021-08-11 02:36

本文摘要:深度自学、决策树算法、Generalized、LinearMixedModell等多种算法。在深度自学的场景中,领英用于Tensorflow的决策树算法的场景中用于XGBoost,两者都是第三者库。关于GLMix,领英开发了一个叫Photon的机械学习库。 GLMix模式大大提高了职位推荐系统的性能,顺利减少了职位申请人数的20%。根据特点和算法,领英构建了PhotonConnect培训引擎,将上述所有组件连接起来。

亚博APP

深度自学、决策树算法、Generalized、LinearMixedModell等多种算法。在深度自学的场景中,领英用于Tensorflow的决策树算法的场景中用于XGBoost,两者都是第三者库。关于GLMix,领英开发了一个叫Photon的机械学习库。

GLMix模式大大提高了职位推荐系统的性能,顺利减少了职位申请人数的20%。根据特点和算法,领英构建了PhotonConnect培训引擎,将上述所有组件连接起来。PhotonConnect用Frame采访特征,将特征与标签数据连接,将数据传输到Quasar模型开展特征切换。现阶段阶段,Quasar模型的参数不为人知,领英利用Quasar模型开展特征切换,用于算法自学这些参数。

自学的参数不会放入Quasar模型中。这样,Quasar模型的建模就完成了,需要配置在线服务。HealthAssurancelayer确保算法成功运营模型的训练和配置完成后,最后一个问题是模型实际运营时,如何维持需要长时间的运营根据过去的经验教训,在研究开发的初期阶段越推荐这个问题,在实际运营中确保模型的长期运营越容易。因此,在模型探索和训练等初期阶段,领英的HealthAssurance领英获得了一系列工具,用于持续监视和检查。

亚博APp有安全保障

也许有人会问,在实际运营中,所有的在线特征都可以使用吗?特征改版的速度够慢吗?实质上,如果经常出现异状,HealthAssurancelayer通报合适的工程师,他们不会出手调整。HealthAssurancelayer为工程师获得了一系列工具,帮助他们慢慢瞄准问题。领英的机器学习与Pro-ML团队经过十年的缓慢发展和实验,领英将人工智能团队与产品团队紧密联系在一起,使机器学习团队与致力于解决问题的同行专家合作,共享最佳实践。类似地,Pro-ML团队围绕五大支柱建设,各支柱反对模型开发生命周期的一个阶段。

一般来说,各支柱有负责人(一般是工程师)、技术负责人和一些工程师。这些工程师也来自各个组织,包括产品工程的组织、基础/工具的组织和基础设施团队。

亚博APP

Pro-ML团队生产于世界各地,包括班加罗尔、欧洲和美国。领英还有一个领导团队,协助制定项目愿景,最重要的是为了避免摩擦,所有的支柱都需要独立的国家。Pro-ML将减少需要利用人工智能的产品数量,不断扩大需要培训和部署模式的团队数量。另外,增加模型自由选择、配置等所需的时间,自动化Healthassurance等重要领域。

领英现在已经花了一年多的时间改造人工智能,可以维持缓慢、高效、可操作性,扩展到所有工程领域。工程师利用领英独特的高度结构化数据集,为棘手的技术问题寻找创造性的解决方案,有更多的时间。自2014年转入中国以来,领英大地探索了中国这个独特的市场,在中国北京和美国硅谷从无到有,建立了多达100人的本土研究开发团队,两个团队以Oneteam的形式合作,利用总部的技术资源优势,推进中国市场未来领英也将进一步依赖AI和大数据技术升级优化用户体验。

如果你也想加入领英中国这个强大的研究开发团队的话,喜欢页面链接,调查申请人的职务吧版权文章允许禁止发布。下一篇文章发表了注意事项。


本文关键词:亚博APP,机器,学习,在,领英,的,规模化,应用,深度,自学

本文来源:亚博APP-www.pikapetey.com