京东风控算法工程师带你解读Action Model-精细化运营（下篇） 在上篇中我们为大家介绍了Action Model，一个可以量化决策的影响的模型，并解释了它是如何给出最优决策的。本篇将着重为大家介绍如何构建Action Model，内容会更为具体，需要一定的业务和算法经验哦。
京东风控算法工程师带你解读Action Model-精细化运营（上篇） 电影《蝴蝶效应》中，男主拥有回到童年改变过去的能力，虽然在剧中男主一次次穿越时空拯救世界，但由于他无法预见自己做出的抉择对未来产生的其他影响，最终还是没能阻止悲剧的发生。可见，一个好的决策需要衡量其对未来产生的影响。JDD风控算法团队本期为大家解惑最优决策难题的解决方法-Action Model。
京东风控团队带你全方位解读特征工程 想象一下，当今社会备受瞩目的人工智能和数据挖掘算法工程师每天大部分时间都在做什么呢？是花大量时间手推公式，还是思考各种trick对算法调参，还是一遍遍清洗数据和加工特征？实际上，大部分的数据挖掘/算法工程师在日常的工作流程中，80%以上的时间用于研究特征工程，而他们在算法设计和模型优化上分配的时间不到20%。特征工程为何如此重要，以至于数据挖掘/算法工程师甘愿把如此之多时间都花在这上面呢？
人工智能新技术——联邦学习的前世今生（下） 上篇内容回顾：在《人工智能新技术：联邦学习的前世今生》上篇和中篇里，我们与大家一起揭开了联邦学习的神秘面纱，探索了联邦学习成为解决隐私数据保护和数据共享矛盾的关键技术背后的原因，以及联邦学习应用的前景、难点和实施方式。本篇为您解读：密码技术的那些事儿和联邦学习的加密原理。
人工智能新技术——联邦学习的前世今生（上） 联邦学习（Federated Learning）作为人工智能的一个新分支，为机器学习的新时代打开了大门。JDD风控算法团队将通过联邦学习白话三部曲，为大家揭秘联邦学习的前世今生。
关注
