Angry Panda（T-800）

摘要： 原文地址： https://tech.meituan.com/2018/11/15/reinforcement-learning-in-mt-recommend-system.html 1 概述 “猜你喜欢”是美团流量最大的推荐展位，位于首页最下方，产品形态为信息流，承担了帮助用户完成意图转化、发现 阅读全文

摘要： 原文地址： https://www.cnblogs.com/pinard/p/9669263.html 在强化学习（六）时序差分在线控制算法SARSA中我们讨论了时序差分的在线控制算法SARSA，而另一类时序差分的离线控制算法还没有讨论，因此本文我们关注于时序差分离线控制算法，主要是经典的Q-Lea 阅读全文

摘要： 原文地址： https://www.cnblogs.com/pinard/p/9614290.html 在强化学习（五）用时序差分法（TD）求解中，我们讨论了用时序差分来求解强化学习预测问题的方法，但是对控制算法的求解过程没有深入，本文我们就对时序差分的在线控制算法SARSA做详细的讨论。 SARS 阅读全文

摘要： 原文地址： https://www.cnblogs.com/pinard/p/9529828.html 在强化学习（四）用蒙特卡罗法（MC）求解中，我们讲到了使用蒙特卡罗法来求解强化学习问题的方法，虽然蒙特卡罗法很灵活，不需要环境的状态转化概率模型，但是它需要所有的采样序列都是经历完整的状态序列。如 阅读全文

摘要： 原文地址： https://www.cnblogs.com/pinard/p/9492980.html 在强化学习（三）用动态规划（DP）求解中，我们讨论了用动态规划来求解强化学习预测问题和控制问题的方法。但是由于动态规划法需要在每一次回溯更新某一个状态的价值时，回溯到该状态的所有可能的后续状态。导 阅读全文

摘要： 原文地址： https://www.cnblogs.com/pinard/p/9463815.html 在强化学习（二）马尔科夫决策过程(MDP)中，我们讨论了用马尔科夫假设来简化强化学习模型的复杂度，这一篇我们在马尔科夫假设和贝尔曼方程的基础上讨论使用动态规划(Dynamic Programmin 阅读全文

摘要： 原文地址： https://www.jianshu.com/p/15d8726fa8a8 作者：Demisstif来源：简书 事件：这几天github上一个项目引起了很多人关注，特别是国内程序员群体。有一名程序员不满996制度，在github上创建了一个开源项目，指出996工作制不符合法律，对程序员 阅读全文

摘要： 原文地址： https://www.cnbeta.com/articles/tech/832449.htm 最近在开发界突然兴起名为996.ICU的项目并迅速火爆起来, 目前该项目的Star数已成功突破10 万整数关口。996.ICU名称的含义是：上午9点上班晚上9点下班且每周工作6天, ICU则是 阅读全文

摘要： 原文地址： https://www.meiqiantu.com/20256.html 搜狗员工在脉脉上吐槽搜狗内部形式主义加班骗吃混工资的996人员。不巧被搜狗SEO王小川撞见还直接回复： 1，没有这回事，我没有下令彻查 2，如果有混吃骗工资的，那滚蛋 3，不认公司文化的一样滚蛋 除了脉脉回复，还在 阅读全文

摘要： 原文地址： https://www.meiqiantu.com/20260.html 京东去年开始逐渐出现裁员的消息，虽然京东极力否认，但排队离职的照片后，P话都没一句了。 昨天又看到有人发了京东内部邮件截图，三观呢？ 东哥，你家部分兄弟对你另一部分兄弟做了品种分类啦！ 吐槽君还是很喜欢京东自营的购 阅读全文