В Loopio мы в значительной степени полагаемся на офлайн-эксперименты для проверки новых гипотез, которые могут помочь нам улучшить поиск для наших пользователей. Когда эксперимент оказывается успешным, наша цель состоит в том, чтобы как можно скорее запустить его в производство, чтобы мы могли собрать информацию с помощью A/B-тестирования на подмножестве наших пользователей. Узнайте все подробности о нашей автономной экспериментальной среде и о том, как мы используем машинное обучение..

Авторы Гуру Тахасильдар , Амир Зиаи , Джонатан Солорзано-Гамильтон , Келли Григгс , Ви Айенгар Введение Netflix использует машинное обучение, чтобы создавать лучшие медиафайлы для наших участников. Ранее мы поделились подробностями об одном из этих алгоритмов , представили, как наша команда разработчиков платформы развивает экосистему машинного обучения для конкретных медиа , и обсудили, как данные этих алгоритмов сохраняются в нашем сервисе аннотаций . Большая часть..

Семантический поиск для разработчиков Мы рады объявить о выпуске codequestion 2.0 ! Это происходит вслед за выпуском txtai 5.0 . Оба этих проекта имеют открытый исходный код (Apache 2.0) и доступны на GitHub. codequestion — приложение для семантического поиска вопросов разработчиков. Разработчики обычно открывают окно веб-браузера во время работы и запускают веб-поиск по мере возникновения вопросов. С кодовым вопросом поиск выполняется локально, подключение к сети не требуется...