課程簡介

案例背景:
隨著深度學習技術(shù)的發(fā)展，個性化閱讀領(lǐng)域的媒體內(nèi)容有了更加豐富的處理手段。在過去主要是基于機器學習技術(shù)來進行內(nèi)容分類、主題建模等?，F(xiàn)在有了更加豐富的技術(shù)手段對于視頻圖片等富媒體內(nèi)容進行建模處理。
如何應(yīng)用深度學習技術(shù)幫助內(nèi)容產(chǎn)品提高內(nèi)容的質(zhì)量、點擊率。 如何進行細粒度的內(nèi)容理解。如何做好內(nèi)容的二次加工甚至創(chuàng)作，是一個非常細致的工作，在這里我們進行了大量的算法和工程實踐。

解決思路:
通過多維度的內(nèi)容理解，包括內(nèi)容表征技術(shù)，視頻結(jié)構(gòu)化分析，圖文層次標簽體系等進行充分的內(nèi)容理解。

成果：
通過細粒度的內(nèi)容理解形成的內(nèi)容標簽，我們不僅僅在推薦系統(tǒng)上獲得了很好的指標，進而在內(nèi)容創(chuàng)作上有了非常強的底層支持。在多個內(nèi)容上層業(yè)務(wù)獲得較好的表現(xiàn)。

目標收益

1. 了解當前業(yè)內(nèi)主流的內(nèi)容產(chǎn)品的內(nèi)容平臺定位，技術(shù)架構(gòu)的演變
2 .對內(nèi)容產(chǎn)品的內(nèi)容算法和算法平臺有一個整體的認知
3. 了解內(nèi)容算法中對圖像，視頻，文本進行標簽理解的算法選型和實踐經(jīng)驗

培訓對象

課程內(nèi)容

案例方向

---

智能語音/NLP/推薦/廣告系統(tǒng)實戰(zhàn)/計算機視覺

案例背景

---

隨著深度學習技術(shù)的發(fā)展，個性化閱讀領(lǐng)域的媒體內(nèi)容有了更加豐富的處理手段。在過去主要是基于機器學習技術(shù)來進行內(nèi)容分類、主題建模等。現(xiàn)在有了更加豐富的技術(shù)手段對于視頻圖片等富媒體內(nèi)容進行建模處理。
如何應(yīng)用深度學習技術(shù)幫助內(nèi)容產(chǎn)品提高內(nèi)容的質(zhì)量、點擊率。 如何進行細粒度的內(nèi)容理解。如何做好內(nèi)容的二次加工甚至創(chuàng)作，是一個非常細致的工作，在這里我們進行了大量的算法和工程實踐。

收益

---

1. 了解當前業(yè)內(nèi)主流的內(nèi)容產(chǎn)品的內(nèi)容平臺定位，技術(shù)架構(gòu)的演變
2 .對內(nèi)容產(chǎn)品的內(nèi)容算法和算法平臺有一個整體的認知
3. 了解內(nèi)容算法中對圖像，視頻，文本進行標簽理解的算法選型和實踐經(jīng)驗

解決思路

---

通過多維度的內(nèi)容理解，包括內(nèi)容表征技術(shù)，視頻結(jié)構(gòu)化分析，圖文層次標簽體系等進行充分的內(nèi)容理解。

結(jié)果

---

通過細粒度的內(nèi)容理解形成的內(nèi)容標簽，我們不僅僅在推薦系統(tǒng)上獲得了很好的指標，進而在內(nèi)容創(chuàng)作上有了非常強的底層支持。在多個內(nèi)容上層業(yè)務(wù)獲得較好的表現(xiàn)。