机器学习在生产中的应用
applied-ml
3/5
🧩 软硬件结合
已发布
项目简介
📚 Papers & tech blogs by companies sharing their work on data science & machine learning in production.
applied-ml 是一个专注于生产环境中数据科学与机器学习应用的精选资源集合，由社区维护并持续更新。该项目系统性地收录了来自全球顶尖科技公司（如 Google、Netflix、Uber、Airbnb、Amazon、Facebook、DoorDash 等）的论文、技术博客和工程实践文章，旨在帮助从业者解决从理论到落地的关键难题。
标签
项目特点
**精选资源**：收录来自顶级科技公司的高质量论文和技术博客，确保内容权威性和实用性。
**主题全面**：涵盖数据质量、数据工程、特征存储、分类、推荐、NLP、计算机视觉、强化学习、MLOps等30多个关键领域。
**实践导向**：聚焦于“如何在生产中应用机器学习”，提供真实世界的案例、技术选型、成功经验与失败教训。
**持续更新**：项目欢迎贡献，并保持活跃更新，反映行业最新实践。
**结构化组织**：按主题分类，便于快速查找特定领域的资料。
技术规格
| 项目类型 | 资源列表/知识库 |
|---|---|
| 内容来源 | 公司技术博客、学术论文、会议演讲 |
| 覆盖公司 | Airbnb, Uber, Netflix, Google, Facebook, Amazon, LinkedIn, Twitter, Spotify, Shopify, DoorDash, Lyft, Gojek等 |
| 主题数量 | 31个主要类别 |
| 收录条目 | 数百篇论文和文章 |
| 维护状态 | 活跃（欢迎贡献） |
| 许可证 | 未明确指定 |
项目资源
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| 论文/技术博客 | 数百篇 | — | 按31个主题分类整理 |
| GitHub仓库 | 1 | — | 项目主仓库 |
| 1 | — | 项目摘要发布平台 |
能力画像
⚪ 记忆与知识检索: 5/5
🔵 逻辑推演: 1/5
⚪ 表达与交流: 1/5
⚪ 感知与观察: 1/5
⚪ 数理与计算: 1/5
⚪ 动手与操作: 1/5
⚪ 狂热与坚持: 3/5
⚪ 创造与创新: 1/5
所需技能
🔧 **动手能力**：无需动手搭建硬件，但需要具备信息检索和整理能力。
💻 **编程能力**：不需要编程，但理解机器学习概念和术语有助于更好地消化资源。
⚡ **电子电路**：不需要。
适用场景
学习和研究机器学习在生产环境中的最佳实践。
为特定业务问题寻找技术解决方案和参考案例。
了解不同公司如何构建和部署机器学习系统。
准备技术面试或进行行业调研。
作为机器学习工程化领域的知识索引和参考资料。