系列文章
[Day 11] Spotify 怎麼知道「每週新發現」中要推薦什麼歌給你？（上）Multi-Armed Bandit
今天 Skylar 在出差的路上，一邊開著車，一邊聽著歌。在遙遙無期的路途中，他突然想到今天是禮拜一，Spotify 會推薦「每週新發現」的歌單，因此他滿懷期待...
[Day 12] Spotify 怎麼知道要在「每週新發現」推薦什麼歌給你？（下）Bart Model
打開 Spotify，我們會看到許多推薦歌單和 Podcast 節目，他們怎麼知道用戶會喜歡什麼呢？ 資料 Spotify 不遺餘力地搜集各式各樣的資料，資料...
[Day 13] 更貼近消費者需求的購物網站搜尋結果 - Alicoco
國慶連假快到了，Skylar 和 Kristina 預計要去三天兩夜的露營，於是 Skylar 決定在購物網站採購一些露營相關的用具。他拿出事先列好的商品清單，...
[Day 14] 改善 Airbnb 的房源排序模型（上）- NDCG 介紹
昨天 Skylar 訂完露營和烤肉用具後，今天他想在 Airbnb 上搜尋適合渡假的房源，而當他在瀏覽時，Airbnb 是如何排序出 Skylar 看到的頁面呢...
[Day 15] 改善 Airbnb 的房源排序模型（中） - ABCD 改善方案
在昨天的文章中，我們提到 Airbnb 為了做出更好的房源排序模型，決定跳脫「讀文獻 -> 實作 -> A/B testing」的迴圈，提出「ABC...
[Day 16] 改善 Airbnb 的房源排序模型（下）- ABCD 改善方案
在前兩天的文章中，我們提到 Airbnb 為了做出更好的房源排序模型，提出「ABCD 改善方案」： A：模型架構（Architecture）：觀察使用者需求後，...
[Day 17] Uber 要如何估計司機和外送的抵達時間？（上）- Self attention 介紹
今天公事繁忙，Skylar 沒有出門買午餐的餘裕，決定使用 Uber 訂購外送。App 顯示的預估抵達時間為 40 分鐘後，他盤算著剛好下一場會議結束後，剛好就...
[Day 18] Uber 要如何估計司機和外送的抵達時間？（下）- DeeprETANet
昨天的文章中提到 Uber 計算預估抵達時間（Estimated Time of Arrival，ETA）時，不僅要考慮路線本身，也會被時間、天氣和交通狀況影響...
[Day 19] Uber 使用 RADAR 模型偵測詐騙行為
昨天看完 Uber 如何預測抵達時間，今天來聊聊另外一個主題，看看 Uber 的詐騙偵測（fraud detection）吧！ 無論是什麼產業，防止詐騙行為都...
[Day 20] 購物網站處理詐騙攻擊的方式
在昨天的文章中，我們聊到 Uber 如何使用 RADAR 系統偵測詐騙行為。今天，讓我們再擴大應用場域，看看跟現今生活密不可分的購物網站是如何處理詐騙問題吧！...