課程簡介

案例背景:
隨著深度學習技術的發(fā)展，個性化閱讀領域的媒體內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來進行內容分類、主題建模等?，F(xiàn)在有了更加豐富的技術手段對于視頻圖片等富媒體內容進行建模處理。
如何應用深度學習技術幫助內容產品提高內容的質量、點擊率。 如何進行細粒度的內容理解。如何做好內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:
通過多維度的內容理解，包括內容表征技術，視頻結構化分析，圖文層次標簽體系等進行充分的內容理解。

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

目標收益

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

培訓對象

課程內容

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

---

隨著深度學習技術的發(fā)展，個性化閱讀領域的媒體內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來進行內容分類、主題建模等。現(xiàn)在有了更加豐富的技術手段對于視頻圖片等富媒體內容進行建模處理。
如何應用深度學習技術幫助內容產品提高內容的質量、點擊率。 如何進行細粒度的內容理解。如何做好內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)內主流的內容產品的內容平臺定位，技術架構的演變
2 .對內容產品的內容算法和算法平臺有一個整體的認知
3. 了解內容算法中對圖像，視頻，文本進行標簽理解的算法選型和實踐經驗

解決思路

---

通過多維度的內容理解，包括內容表征技術，視頻結構化分析，圖文層次標簽體系等進行充分的內容理解。

結果

---

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