风控决策引擎是金融科技的核心，它需实时支持大量业务的自动化处理，可以极大地解放人工处理的瓶颈与效率。风控决策引擎实际上是一系列风控规则的集合，用于识别绝对风险与相对风险。

决策流是最接近实际情况的一种方法。 相比较而言，依赖关系图或决策模型更关注知识本身。 他们直接对决策管理系统提供输入。 最后，以最适合你的团队和项目的方式思考决策。 无论如何，最终结果将转化为可执行的

深入理解特定的用例、团队的技术和分析成熟度、整体组织结构及其交互，有助于找到将预测模型部署到生产中的正确方法。

这次学习一些基础性的东西，那就是最基本但也很重要的一步——数据预处理。本篇学习笔记主要记录了一些常见的数据预处理的方法和思路，还是以python来实现。

数据可视化时使用图表，是理解数据的唯一方法，它能够向人们解释你的思维过程，是任何数据相关工作的关键部分，本文为你分享 10 个中级和高级的绘图技巧。

无论是初学者还是有经验的工程师，都会或多或少的犯一些错误，本文总结了一些常犯的错误top10，给大家参考。

A/B测试和假设检验是一回事吗？没错，就是一回事！本文让我们通过一个简单的例子来探究假设检验是如何工作的，从而得出A/B测试。

模型预测的目标变量的统计特性会随着时间以不可预见的方式发生变化。因此随着时间的推移，预测的准确性会降低，本文带你了解如何防止模型退化。

大兴机场在 9 月底顺利通航，除了颜值爆表，还实现了使用AI 技术，机器人，AR 等黑科技的创举，为人们出行提供了更加人性化和便利的服务条件。

人工智能的各种应用已经渗透到假期旅行的各个环节中，我除了点点屏幕、走走路、夹夹菜、掏掏钱包之外，几乎没有多动脑子。AI 惯坏了我，也控制了我。

今年祖国成立 70 周年，如果有一段影像，能够让我们看到高清彩色的开国典礼，想必会让无数人热泪盈眶。

大规模的目标检测数据集(例如MS-COCO)在进行Ground Truth框标注时仍然存在歧义。这篇论文提出了新的边界框回归损失针对目标框的移动以及位置方差进行学习，这种方法在几乎不增加计算量的基础上

本文我们将研究特征工程策略，这些策略通常利用深度学习模型，更具体地说，我们将介绍Word2Vec、GloVe和FastText模型。

本文讨论了一些最具影响力的图算法，它们改变了我们的生活方式。随着如此多的社会数据的出现，网络分析可以在很大程度上帮助我们改进模型和产生价值，甚至更多地了解这个世界。

在 Ibotta，我们训练了许多机器学习模型。这些模型为我们的推荐系统、搜索引擎、定价优化引擎、数据质量等提供动力。它们在与我们的移动应用程序交互时为数百万用户做出预测。

这篇博文的目的不是要说明在运行 A/B 测试时应该做什么，而是要告诉你不应该做什么。下面是我们在进行 A/B 测试时经常会犯的 10 个常见错误。

从 AutoML 到 NAS，都是企业和开发者的热门关注技术，以往我们也分享了很多相关内容。而这篇文章将对 Google Brain 发布的 NASNet 进行介绍。NASNet 在 CVPR2018

本文探讨什么是假设检验？我们为什么用它？什么是假设的基本条件？什么是假设检验的重要参数？一起来学习吧~~

CNN从2012年的AlexNet发展至今，科学家们发明出各种各样的CNN模型，一个比一个深，一个比一个准确，一个比一个轻量。本文简单盘点，从这些充满革新性的工作中探讨日后的CNN变革方向。