和大佬聊聊在美团做算法的感受

点击上方，选择星标或置顶，每天给你送上干货

卷友们好，我是对白。

虽然人生苦短论文怕长，但我们依然不能停下奋斗的脚步，因为总有人比你更努力，也比你更卷，在算法的这条道路上卷出了天际。

哈哈开个玩笑，今天我们不讲前沿的算法论文，而是想和大家简单聊聊我在美团做算法的感受，后期也会专门写一篇文章《我在美团做算法的这大半年经历了什么》，讲讲美团目前在使用哪些前沿的算法，在业务中算法经常会遇到哪些典型的问题，希望能与同行们多多交流。

目前我在美团做算法已经大半年了，前后主R了多个业务（基本三个月一个业务），包含NLP、推荐以及动态定价。.在这个过程中深深地感觉到有标注的数据对于一名算法工程师来说是多么的重要，但大多数业务的数据往往是没有标签的，自己标注也不现实，因为你没有充分的业务知识；而就算数据有标签， 也只是一小部分，甚至还会出现PM和运营同学疏忽导致标错的可能性QAQ（这个只有你在分析badcase时才会发现...），因此在绝对的OKR面前，你只有想尽办法达到与有监督学习一样的效果，否则你只有卷铺盖走人了。这时对比学习出现了，它是自监督学习的一种，也是目前学术界和工业界绝对的热点，在ICLR2020上深度学习三巨头 Bengio 、 LeCun和Hinton就一致认定自监督学习（Self-Supervised Learning）是AI的未来。因此这也成为了我以后做算法主攻的方向之一。

1.  对比学习（Contrastive Learning）在CV与NLP领域中的研究进展

   
   

2. ICLR2021对比学习（Contrastive Learning）NLP领域论文进展梳理

   
   

3. 2021最新对比学习（Contrastive Learning）在各大顶会上的经典必读论文解读

   
   

4. 推荐系统中不得不学的对比学习（Contrastive Learning）方法

   
   

5. 机器学习新宠：对比学习论文实现大合集，60多篇分门别类，从未如此全面

   
   

6. 再介绍一篇最新的Contrastive Self-supervised Learning综述论文

   
   

7. ESimCSE：无监督语义新SOTA，引入动量对比学习扩展负样本，效果远超SimCSE

   
   

8. 深度学习热点|超直观无公式图解Contrastive Predictive Coding从脸盲说起

   
   

9. 干货 | 带你理解对比学习损失函数的性质以及温度系数的作用