书籍介绍
人工智能技术正以一种超快的速度深刻地改变着我们的生活，引导了第四次工业革命。美团作为国内O2O领域领 先的服务平台，结合自身的业务场景和数据，积极进行了人工智能领域的应用探索。在美团的搜索、推荐、计算广告、风控、图像处理等领域，相关的人工智能技术得到广泛的应用。本书包括通用流程、数据挖掘、搜索和推荐、计算广告、深度学习以及算法工程6大部分内容，全面介绍了美团在多个重要方面对机器学习的应用。
本书非常适合有一定机器学习基础的工程技术人员和在校大学生学习和阅读。通过本书，有经验的算法工程师可以了解美团在这方面的做法，在校大学生可以学习机器学习算法如何在具体的业务场景中落地。
AI导读
核心看点
- 涵盖美团搜索推荐广告风控等核心业务场景
- 详解特征工程模型融合及深度学习应用实践
- 展示工业界机器学习从数据到落地的全流程
适合谁读
- 有一定基础的算法工程师与技术人员
- 希望了解大厂AI落地经验的在校大学生
- 对O2O领域机器学习应用感兴趣的读者
读前提醒
- 内容偏宏观概述，缺乏具体代码实操细节
- 建议结合美团技术公众号文章对照阅读
- 重点理解业务场景与算法选择的对应关系
读者共识
- 适合扩展眼界，了解大厂技术架构与思路
- 干货相对较少，深度不足，偏科普性质
- 各章节质量参差不齐，部分读者评价一般
本导读基于书籍简介、目录、原文摘录、短评和书评生成，不等同于全文精读。
精彩摘录
- "用户画像：人口属性、兴趣偏好、特征人群、用户分级、LBS、业务标签、用户行为"
- "搜索：query→分词→倒排索引→文档集合 查询理解： 1.意图识别。分类、聚类、主题建模。具体场景具体分析，美团先识别所属业务(分类)、再识别具体成分(实体识别)。无法确认的意图就都召回给用户去选择。 2.实体识别。IOB2格式、识别地址、机构等。 3.召回。query的不同成分对应到不同索引域 4.查询改写。替换(同义词、缩写词，人工审核)，删除、扩展、对齐。整串改写：Session挖掘、二部图挖掘。LDA。 5.词权重计算。TF-IDF、规则打分、基于统计学习。用户点击共现做样本训练词权模型。去词：无结果的相关推荐、触发二次查询(伴有提示，增加用户接受度)。 6.相关性。品类名称做召回、"
- "比较有意思的是：场景化排序。 排序主要用MAP，AUC不太能反应排序的好坏。"
- "O2O地理位置所以：KD-Tree、GeoHash、热门商圈、城市 多路召回：位置、搜索、图、实时行为、热门。 多路召回合并：分级+调比例 评价指标：信息维度、交易维度、体验维度"
- "O2O场景： 1. 移动化。位置精确、及时推送、互动多样。 2. 本地化。90%以上的交易中用户商户距离小于3km。 3. 场景化。场景更加具体，移动设备与单个用户绑定、时空都很明确。 4. 多样性。商户服务的多样性。 三方利益平衡： 1. 商户。ROI=广告收益/广告投入 2. 用户。短期指标：ctr、cvr，长期指标：回访率、复购率。不出广告的小流量桶用于观察广告对用户体验长期的影响。 3. 平台。流量变现效率：RPM、RPS。广告收入=曝光次数*ctr*cpc=广告主数*ARPU。约束是商户利益、用户体验：商户数、预算、流量。 广告机制： 1.广告位设定。确定多种方案，然后通过AB测试决"
- "深度学习∈表示学习∈机器学习∈AI 1. 第一阶段1943-1986 a.1943年，心理学家W.S.McCulloch和数理逻辑学家W.Pitts提出人工神经元模型MCP=加权求和+二值激活函数 b.1957年，Rosenblatt发明Perceptron=MCP+梯度下降 c.1969年，Minsky证明Perceptron是线性模型 2. 第二阶段1986-2006 a.1986年，Hinton发明MLP和BP算法 b.1990年，SVM火起来了，MLP和BP的梯度消失等问题没有解决 3. 第三阶段2006至今 a.2006年，Hinton提出DMB，解决了梯度消失问题 b.2012年，"
- "并行编程技术： 1.向量化、OpenMP。单机 2.GPU(CUDA)。 3.MPI。多机 并行计算模型： 1.BSP，同步，凸优化收敛性保障，效率低。Xgboost的Rabit 2.SSP，放宽Bound，收敛性与效率减做平衡，凸优化收敛性有保障 3.ASP，异步，计算迭代效率高，有时收敛性无法保障 4.PS，异步、宽松的一致性、延迟小、效率高，有收敛性保障，扩展性好，并行化容易。但只适用于SGD以及其变种优化算法。MXNet的PS-lite"
作者简介
美团算法团队由数百名优秀算法工程师组成，负责构建美团这个生活服务互联网大平台的“大脑”，涵盖搜索、推荐、广告、风控、机器学习、计算机视觉、语音、自然语言处理、智能调度、机器人和无人配送等多个技术方向，在帮助美团数亿活跃用户改善用户体验的同时，也帮助餐饮、酒店、婚庆、丽人、亲子等200多个行业的数百万商户提升运营效率。我们致力于通过算法和人工智能技术，帮大家吃得更好，活得更好。
目录
用户评论
浮光掠影，对大公司机器学习技术平台系统感兴趣的可以翻一翻，不具有实操性~
有收获，但自己能力还打不到读懂的水平
信息量比较大，干货很多。
适合扩展眼界思路，总体内容比较浅，各章水平参差不齐。
很有干货的一本书
离开开水团前，赶紧抓紧时间，对照书和真实实践学习了一下这本书，业界真实的落地经验，很有借鉴意义
浮光掠影的了解了解美团的应用
很难得的有一本跟应用强结合的书，有很多真实工作中的案例，感觉是一个有技术又能落地的好团队. 由此我内心对我的美团股票定价又加了一点分 确实也涨得很好 我很高兴.
对于机器学习的初学者还是有价值的，但是对于有经验的人，价值就非常有限了，书中呈现的方案，一不是业界前沿方案，二也没有和能深入的业务场景分析，这也导致，这本书读起来挺无聊的
下载
收藏