一、技术层面
1. Paper
- 雅虎研究院的publication。
- Google的publication:
- "Ad Click Prediction: a View from the Trenches"。该文探讨既有online训练特性,又能获得sparse模型的FTRL-Proximal算法。论文还阐述了很多实用技巧,包括给各个维度用上不同的学习率,用更少的bits去存储参数等。这个算法不单适用于对CTR问题的LR建模,也适合于其他使用online gradient descent方法的场景。
- "Ad Click Prediction: a View from the Trenches"。该文探讨既有online训练特性,又能获得sparse模型的FTRL-Proximal算法。论文还阐述了很多实用技巧,包括给各个维度用上不同的学习率,用更少的bits去存储参数等。这个算法不单适用于对CTR问题的LR建模,也适合于其他使用online gradient descent方法的场景。
二、技术课程


雷达卡



京公网安备 11010802022788号







