ShowMeAI联合AI算法研究所，与社区众多工程师一起，开启了这个『 大厂技术实现方案』系列，希望打破 PPT 层面的简单分享，以一线工程师最真切的视角，呈现最有成长力的大厂全业务领域AI落地方案。

所有的案力求完整专业，覆盖『业务+方案详解+数据+代码』，既可学习精进，亦可匹配业务场景开箱即用，为小伙伴们成长为专业的AI算法工程师添砖加瓦保驾护航。

🎯 内容章节

1.大厂技术实现 | 多目标优化及应用（含代码实现）@推荐与广告计算系列

推荐，搜索，计算广告是互联网公司最普及最容易商业变现的方向，也是算法发挥作用最大的一些方向，前沿算法的突破和应用可以极大程度驱动业务增长，这个系列咱们就聊聊这些业务方向的技术和企业实践。本期主题为多目标学习优化落地（附『实现代码』和『微信数据集』）

2021微信大数据挑战赛数据集： https://pan.baidu.com/s/11c7kVtCURTEkbe9jrniQ9A 提取码：show

GitHub项目地址： https://github.com/ShowMeAI-Hub/multi-task-learning
文章链接： https://www.showmeai.tech/article-detail/60

2.大厂技术实现 | 爱奇艺短视频推荐业务中的多目标优化实践 @推荐与计算广告系列

短视频是当前互联网最热门的业务之一，聚集了巨大的互联网用户流量，也是各大公司争相发展的业务领域。作为主要营收业务方向，短视频方向的推荐算法也日新月异并驱动业务增长，本期我们看到的是爱奇艺的短视频频道下，推荐多任务算法应用实践路径与落地方案。

2021微信大数据挑战赛数据集： https://pan.baidu.com/s/1OTMYEer9xC9MUFQN6ha-Pw 提取码：show

GitHub项目地址： https://github.com/ShowMeAI-Hub/multi-task-learning
文章链接： https://www.showmeai.tech/article-detail/62

3.大厂技术实现 | 腾讯信息流推荐排序中的并联双塔CTR结构 @推荐与计算广告系列

短视频是当前互联网最热门的业务之一，聚集了巨大的互联网用户流量，也是各大公司争相发展的业务领域。作为主要营收业务方向，短视频方向的推荐算法也日新月异并驱动业务增长，本期我们看到的是爱奇艺的短视频频道下，推荐多任务算法应用实践路径与落地方案。

CTR预估方法实现数据集与代码： https://pan.baidu.com/s/1-c8lYoxUPpeJS1YL_pBkqQ 提取码：show

GitHub项目地址： https://github.com/ShowMeAI-Hub/multi-task-learning
文章链接： https://www.showmeai.tech/article-detail/64

4.大厂技术实现 | 图像检索及其在淘宝的应用 @计算机视觉系列

图像检索任务指的是，给定查询图像，从图像数据库中找到包含相同或相似实例的图像。典型应用之一就是电商商品检索，如淘宝拍立淘，只需要用户随手拍照即可精准检索，提高了电商购物的体验。本篇我们来看看淘宝拍立淘背后的实现方案和依托的计算机视觉技术。

GitHub项目地址： https://github.com/ShowMeAI-Hub/image_retrieval
文章链接： https://www.showmeai.tech/article-detail/92

5.大厂技术实现 | 图像检索及其在高德的应用 @计算机视觉系列

图像检索任务指的是，给定查询图像，从图像数据库中找到包含相同或相似实例的图像。本文研究的是高德地图POI信息更新，即根据自有图像源，将每个新增或调整的POI及时制作成数据。这是非常典型的图像检索垂直应用，整套方便背后也包含大量CV技术。本篇我们结合资深CV工程师章鱼的分享，一起研究『高德地图POI信息更新』这一业务背景中，应用到的计算机视觉技术。

GitHub项目地址： https://github.com/ShowMeAI-Hub/image_retrieval
文章链接： https://www.showmeai.tech/article-detail/93

6.大厂技术实现 | 详解知识图谱的构建全流程 @自然语言处理系列

知识图谱（Knowledge Graph）的概念由谷歌2012年正式提出，旨在实现更智能的搜索引擎，并且于2013年以后开始在学术界和业界普及。目前，随着智能信息服务应用的不断发展，知识图谱已被广泛应用于智能搜索、智能问答、个性化推荐、情报分析、反欺诈等领域。本篇是『知识图谱构建与落地实践』的起始篇，我们与来自百度的NLP工程师路遥，一起研究知识图谱的构建流程与技术细节。

GitHub项目地址： https://github.com/ShowMeAI-Hub
文章链接： https://www.showmeai.tech/article-detail/94

7.大厂技术实现 | 爱奇艺文娱知识图谱的构建与应用实践 @自然语言处理系列

知识图谱是一种用图模型来描述知识和建模世界万物之间关联关系的技术方法。本文研究的是爱奇艺奇搜知识图谱的构建流程与应用场景，了解这一文娱行业知识图谱是如何帮助用户精确找到想要的内容、回答用户问题、以及理解用户搜索意图的。

GitHub项目地址： https://github.com/ShowMeAI-Hub
文章链接： https://www.showmeai.tech/article-detail/95

按照不同的技术线与应用领域，ShowMeAI 规划了『推荐与广告』『计算机视觉』『自然语言处理』『金融科技』『生物医疗』『智能制造』『其他AI垂直应用』等板块。系列教程持续更新中，请关注公众号（ShowMeAI研究中心）、B站（ ShowMeAI）和 GitHub（ ShowMeAI-Hub），接收更新通知。

ShowMeAI系列教程推荐

• 大厂解决方案系列教程
• 图解Python编程：从入门到精通系列教程
• 图解数据分析：从入门到精通系列教程
• 图解AI数学基础：从入门到精通系列教程
• 图解大数据技术：从入门到精通系列教程
• 图解机器学习算法：从入门到精通系列教程
• 机器学习实战：手把手教你玩转机器学习系列
• 深度学习教程 | 吴恩达专项课程 · 全套笔记解读
• 自然语言处理教程 | 斯坦福CS224n课程 · 课程带学与全套笔记解读
• 深度学习与计算机视觉教程：斯坦福CS231n · 全套笔记解读

大厂技术实现 | 行业解决方案系列教程