Облегченное обучение представлению для эффективных и масштабируемых рекомендаций В 2019 году мы создали команду для обновления моделей машинного обучения, лежащих в основе нашего механизма рекомендаций в Criteo. Существующий двигатель был оптимизирован в течение многих лет. Он был основан на крупномасштабной логистической регрессии и совместной фильтрации (документ RecSys’15). Пришло время для преображения. Мы попробовали несколько подходов, прежде чем остановились на эффективной..

С 22 по 27 мая я ездил в прекрасный город Дублин, чтобы принять участие в 60-м ежегодном собрании Ассоциации компьютерной лингвистики (ACL). Обзор ACL 2022 Конференция ACL предназначена для обмена исследовательскими идеями и достижениями в области обработки естественного языка (NLP). ACL 2022 — это гибридная конференция и первая очная ACL за три года . Всего около 3200 регистраций, из них половина людей присутствовали очно. Программа конференции состояла из 3 частей: 1 день..

Вступление Ранее этим летом (август 2020 г.) команды Criteo R&D с гордостью запустили проект под кодовым названием DRACuLa в производство, что значительно повысило производительность нашего движка в наших основных бизнес-кейсах. Хотя тенденции явно склоняются в сторону «ИИ». (Искусственный интеллект), этот проект демонстрирует, что сочетание более простых методов все еще может победить магию глубоких сетей в определенных случаях. Бытие - Почему? С 2010 года машинное обучение (ML)..

Как лидер отрасли в области конфиденциальности и рекламы, Criteo этим летом провела открытый конкурс ML Competition Prediction ML Competition, основанный на агрегированных и зашумленных данных. Методы агрегирования и добавления шума, основанные на Дифференциальной конфиденциальности , были вдохновлены API отчетности, предложенным в тестовой среде Google Privacy Sandbox. Полную информацию о задаче можно найти здесь: https://competitions.codalab.org/competitions/31485 Мы представляем..