iT邦幫忙

鐵人檔案

2022 iThome 鐵人賽
回列表
AI & Data

那些在科技公司和 app 背後的資料科學 系列

現代社會的生活處處都和各大科技公司的產品密不可分,究竟這些 app 是如何被設計、演算法為何,讓我們一起利用這 30 天,一探究竟。

鐵人鍊成 | 共 30 篇文章 | 33 人訂閱 訂閱系列文 RSS系列文
DAY 1

[Day 1] 前言 - 動心起念和文章主題介紹

本系列文已於 2023 年底出版 🥳🥳🥳 歡迎大家多多支持 🙇🏻‍♀️🙇🏻‍♀️🙇🏻‍♀️https://www.tenlong.com.tw/product...

2022-09-16 ‧ 由 Min 分享
DAY 2

[Day 2] Facebook 如何排序推薦內容(上)- 使用者調查

一個風和日麗的上午,Skylar 慵懶地躺在沙發上,滑著 Facebook,漫不經心地瀏覽動態。他看到 Toby 更新自己的衝浪影片、Wade 和自己的狗狗的自...

2022-09-17 ‧ 由 Min 分享
DAY 3

[Day 3] Facebook 如何排序推薦內容(下)- Feed Aggregator

回憶昨天的介紹,推薦系統分為兩個階段:candidate generation 和 candidate selection,以下按照這兩個步驟依序介紹。 Can...

2022-09-18 ‧ 由 Min 分享
DAY 4

[Day 4] Instagram 如何產出要讓用戶探索(Explore)的內容?(上)

今天又是美好的一天,Skylar 一如往常地躺在沙發上,滑著手機。但是,他有點看膩了追蹤帳號的內容,他跳到 explore 頁面,想看看有沒有什麼新的帳號和內容...

2022-09-19 ‧ 由 Min 分享
DAY 5

[Day 5] Instagram 如何產出要讓用戶探索(Explore)的內容?(下)

在前一天的內容中,我們介紹 Instagram 為了推薦用戶其他公眾帳號,設計三個工具以節省運算資源、快速找到相似帳號。此三工具分別為:IGQL、account...

2022-09-20 ‧ 由 Min 分享
DAY 6

[Day 6] Instagram 藉由 Suggested Post,讓用戶「Feels Like Home」

Skylar 一如往常地在滑著 Instagram 時,突然發現在首頁,除了他原本追蹤的帳號以外,也多了一些貼文來自他沒有追蹤的帳號,那些貼文的左上角都寫著「S...

2022-09-21 ‧ 由 Min 分享
DAY 7

[Day 7] Netflix(一)- 為什麼我看到的和你的不同?你被 A/B Testing 了嗎?

今天是颱風天,Skylar 無處可去,只好懶散地躺在沙發上(他哪天不是呢?),遙控器轉來轉去,都沒有自己想要看的節目。他嘆了口氣,將畫面切到 Netflix,決...

2022-09-22 ‧ 由 Min 分享
DAY 8

[Day 8] Netflix(二)- 如何判讀 A/B testing 的結果?淺談 False Positive

在昨天的文章中,我們介紹 Netflix 在測試新功能「顯示Top 10 的節目排名」頁面時,使用 A/B testing。在搜集完資料後,資料科學家要如何判斷...

2022-09-23 ‧ 由 Min 分享
DAY 9

[Day 9] Netflix(三)- 如何判讀 A/B testing 的結果?淺談 False Negative

在昨天的文章中,我們執行了一個抽球的想像實驗,讓我們來回憶一下 在不知道箱子中黑白球數量的情況下,藉由抽球實驗想要確定兩球之數量: (1) 虛無假設(null...

2022-09-24 ‧ 由 Min 分享
DAY 10

[Day 10] 做一個 A/B testing 要如何部署各種版本的 app?以 Uber 為例

經過統計的疲勞轟炸,今天來聊一點輕鬆的內容吧。 Netflix 是一間勇於嘗試、大膽做實驗的公司,無論是廣告、付款方式、給客戶的訊息(例如 email)、聲音及...

2022-09-25 ‧ 由 Min 分享