课程简介

案例背景:
随着深度学习技术的发展，个性化阅读领域的媒体内容有了更加丰富的处理手段。在过去主要是基于机器学习技术来进行内容分类、主题建模等。现在有了更加丰富的技术手段对于视频图片等富媒体内容进行建模处理。
如何应用深度学习技术帮助内容产品提高内容的质量、点击率。 如何进行细粒度的内容理解。如何做好内容的二次加工甚至创作，是一个非常细致的工作，在这里我们进行了大量的算法和工程实践。

解决思路:
通过多维度的内容理解，包括内容表征技术，视频结构化分析，图文层次标签体系等进行充分的内容理解。

成果：
通过细粒度的内容理解形成的内容标签，我们不仅仅在推荐系统上获得了很好的指标，进而在内容创作上有了非常强的底层支持。在多个内容上层业务获得较好的表现。

目标收益

1. 了解当前业内主流的内容产品的内容平台定位，技术架构的演变
2 .对内容产品的内容算法和算法平台有一个整体的认知
3. 了解内容算法中对图像，视频，文本进行标签理解的算法选型和实践经验

培训对象

课程内容

案例方向

---

智能语音/NLP/推荐/广告系统实战/计算机视觉

案例背景

---

随着深度学习技术的发展，个性化阅读领域的媒体内容有了更加丰富的处理手段。在过去主要是基于机器学习技术来进行内容分类、主题建模等。现在有了更加丰富的技术手段对于视频图片等富媒体内容进行建模处理。
如何应用深度学习技术帮助内容产品提高内容的质量、点击率。 如何进行细粒度的内容理解。如何做好内容的二次加工甚至创作，是一个非常细致的工作，在这里我们进行了大量的算法和工程实践。

收益

---

1. 了解当前业内主流的内容产品的内容平台定位，技术架构的演变
2 .对内容产品的内容算法和算法平台有一个整体的认知
3. 了解内容算法中对图像，视频，文本进行标签理解的算法选型和实践经验

解决思路

---

通过多维度的内容理解，包括内容表征技术，视频结构化分析，图文层次标签体系等进行充分的内容理解。

结果

---

通过细粒度的内容理解形成的内容标签，我们不仅仅在推荐系统上获得了很好的指标，进而在内容创作上有了非常强的底层支持。在多个内容上层业务获得较好的表现。