在过去的几年里,RNNs取得了显著成功建模时间序列和序列数据,特别是在演讲中,语言和文本域。最近,这些技术已经开始应用于基于会话的推荐任务,非常不错的效果。
这个演讲探索这一领域的最新研究进展,以及实际应用。我将概述RNNs,涵盖常见的体系结构和应用程序,之前深入RNNs基于会话的建议。我将特别注意常见的个性化固有的挑战任务和所需的具体调整模型和优化技术的成功。
会话标签:# SAISDD1
尼克·彭特里斯首席工程师在IBM开源数据中心与人工智能技术(CODAIT),他工作在机器学习。以前,他创办了Graphflow,机器学习创业重点建议。他也曾在高盛(Goldman Sachs)、认知匹配,和Mxit公司——。他是一个Apache火花项目的提交者和PMC成员的作者与火花“机器学习”。尼克是热衷于商业重点结合机器学习和尖端技术构建智能系统,从数据中学习增加业务价值。
尼克已经在30多个会议、在线研讨会、聚会和世界各地的其他活动包括许多以前的火花峰会。