shirleywan Goto Github PK

aiforairline2

algorithm

准备数据结构、算法时做过的题 题目包含：基础数据结构，算法，大公司笔试真题，牛客算法题，lintcode，九章算法，《剑指Offer》，左程云《程序员代码面试指南》

algorithms

《算法 (第4版)》、牛课堂、《剑指Offer》、

algorithms-1

AlgorithmsTest is Code from the book "Algorithms" (4th ed.) by Robert Sedgewick and Kevin Wayne,算法第四版书中代码以及后面的习题，AlgorithmsExercise是一些牛客网上的题目,AlgorithmsReplenish是一些算法的补充

algorithmsbypython

算法/数据结构/Python/剑指offer/机器学习/leetcode

alisql

AliSQL is a MySQL branch originated from Alibaba Group. Fetch document from Release Notes at bottom.

almm_baseline

just baseline

answer

基于本体的语义搜索引擎-Answer-V0.9　问答系统

ant_tianchi_ccf_positioning

2017CCF大数据与计算智能大赛-蚂蚁金服-商铺定位赛题(全国第5名)

architect-awesome

后端架构师技术图谱

articlespider

2018年5月 更新版【Python分布式爬虫打造搜索引擎代码+教程】(已上线) 【爬虫端】(知乎 & 拉勾 & 伯乐)

atec_nlp_sim

atec_pay

AETC蚂蚁开发者大赛-风险大脑-支付风险识别

awesome-java-cn

Java资源大全中文版，包括开发库、开发工具、网站、博客、微信、微博等，由伯乐在线持续更新。

canal_mysql_nosql_sync

基于canal 的 mysql 与 redis/memcached/mongodb 的 nosql 数据实时同步方案 案例，canal client

cc

Redis 3.0 Cluster Manager

classifier-in-action

神经网络文本分类，文本情感极性分析等分类器应用实战，支持情感词典分析，支持NB、SVM、深度神经网络分类等多种分类算法。python开发。

cnn_sentence_tensorflow

卷积神经网络(CNN)应用于中文文本分析任务

coursera-ml-andrewng-notes

criteo

A potential 22nd rank solution to Criteo Labs Display Advertising Challenge on Kaggle

ctr

ctr-1

IJCAI-18 阿里妈妈搜索广告转化预测

ctr-criteo

kaggle 2014 criteo ctr竞赛方案整理 https://www.kaggle.com/c/criteo-display-ad-challenge

ctr_pipeline

通过对于现有开源分布式机器学习工具的整合(主要是基于参数服务器的logistic regression,xgboost,FFM,FM ),打造一个工业级的,可以线上使用的点击率预估流水线

ctr_prediction

CTR prediction using FM FFM and DeepFM

data-science-ipython-notebooks

Data science Python notebooks: Deep learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, Python essentials, AWS, and various command lines.

datamining

:horse_racing: 思维误区: 用理想模型来思考复杂现实问题

dataminingalgorithm

数据挖掘18大算法实现以及其他相关经典DM算法

dataminingguidebook-codes

《面向程序员的数据挖掘指南》源码

deepctr

This project contains several DNN models for for pCTR/pCVR ,item recommendation.