已收藏 收藏
3764
微信分享
视频列表

阿里移动端高可用性体系演进

¥: 35.00
长衿
3591

百亿次QQ红包背后的技术运维体系

¥: 35.00
周小军
3380

运维智能化@Pinterest

¥: 35.00
神秘嘉宾
3342

Blockchain-shared Ledger,smart contact and their application

¥: 35.00
雷鸣
3455

微服务架构下的自动化测试和持续集成工具链实践

¥: 30.00
王鹏
12594

腾讯的专项测试之道

¥: 30.00
李昶博
4124

大数据平台质量保证最后一公里探索与实践

¥: 30.00
四样
3253

基于切面的接口自动化框架

¥: 30.00
范留杰
4290

行测云端—云测试助力运营商产品质量保障能力升级

¥: 30.00
陈磊
3654

无人测试如何助力京东提升产品测试效率与质量

¥: 30.00
杨瑾
3265

网易金融质量保障体系实践之路

¥: 30.00
黄定候
4081

消灭低效的幕后黑手——Qunar devops实践分享

¥: 30.00
王晓翔
2989

千亿级实时日志分析系统-腾讯鹰眼系统的技术演进之路

¥: 30.00
陈敏
6921

DevOps平台的“精益创业”之路

¥: 30.00
罗琼
3878

通过k8s运维微服务系统的实践

¥: 30.00
孙中奎
3664

应对鹿晗恋情爆发,微博如何应对短时间亿级用户访问——微博OpenDCP混合云设计与实践

¥: 30.00
付稳
3466

小米DCOS实战

¥: 30.00
孙寅
2771

以Kafka为例的大规模有状态集群优化方法探索

¥: 30.00
秦江杰
4330

滴滴新业务背后的增长抓手

¥: 35.00
李森
3821

增长体系的搭建,迭代和局部突破

¥: 35.00
张弦
2768

从零到一搭建增长引擎

¥: 35.00
蒋治平
3134

线上到线下场景中机器学习和统计建模的一些应用

¥: 35.00
张健
3371

海航HNA Bot智能语音交互服务

¥: 30.00
李书博
3870

基于深度学习的下一代视频推荐系统

¥: 30.00
周涵宁
3458

让黑产无处遁形——大数据和人工智能如何助力...

¥: 30.00
王永会
3109

先知:人工智能助力Fintech反欺诈

¥: 30.00
王婷
5020

新一代数据平台及其如何帮助传统企业实现升级转型

¥: 30.00
三样
2842

风控技术在个人信贷领域的实战

¥: 30.00
邢大地
3108

增强学习在微软云计算的商业模型应用

¥: 30.00
李可
3765

软件重构的大数据转型过程

¥: 30.00
范钢
3566

联想全球制造大数据平台的架构演进及技术创新

¥: 30.00
戴辉
2988

美团配送智能调度系统

¥: 30.00
郝井华
9165

基于物联网智能分析的设备预测性维护

¥: 30.00
江泽浩
3762

在线教育如何利用大数据和AI提升学习效果

¥: 30.00
裴少芳
3467

用大数据和AI驱动智能城市

¥: 30.00
郑宇
3271

美国NFCU银行如何利用大数据AI开启转型之路

¥: 30.00
江晓东
4121

ThinkJS 3 的设计与运维

¥: 35.00
李成银
3521

新时代UI架构的思考

¥: 35.00
winter
3627

如何撸一个JavaScript Benchmark的轮子

¥: 35.00
贺师俊
3862

百度搜索点出浏览体验提升的探索与实践

¥: 35.00
沈洲
3393

RN-web的设计与实现

¥: 35.00
郑勇
3572

同程客户端hybrid技术的持续打磨历程

¥: 35.00
牛提罚
3709

微博故事开发实践:快速构建亿级后端服务

¥: 30.00
乔家辉
3248

百度实时搜索技术的架构演变

¥: 30.00
郑然
3567

沪江向Serverless的演进之路

¥: 30.00
黄凯
3517

饿了么整体服务异地多活改造

¥: 30.00
李双涛
5119

小米直达服务平台与移动端服务未来形态探索

¥: 30.00
董红光
3053

网络拥塞控制以及在实时通信领域中的应用

¥: 30.00
刘心坤
2818

深圳证券交易所新一代交易系统架构转型之路

¥: 30.00
喻华丽
5616

O2O系统架构演进

¥: 30.00
柳忠伟
2850

高速公路上换轮胎:商用中电信级遗留代码架构重构

¥: 30.00
李永顺
2895

承担百亿级别的访问的redis设计与实现

¥: 30.00
陈宗志
4779

让巨象学会跳舞——云化大平台助力支撑系统互联网化转型

¥: 30.00
薛浩
3269

618大促网关承载海量调用量背后的架构实践(限时免费)

¥: 30.00
王栋
5898

知乎 Android 团队的管理演进

¥: 35.00
劳文超
3999

互联网金融项目的敏捷开发量化管理

¥: 35.00
陈爱明
3261

敏捷团队的办公室设计

¥: 35.00
万学凡
3703

头疼,技术氛围究竟怎么来

¥: 30.00
沈剑
4944

移山之道 - 快速解决全局技术债的机制

¥: 30.00
李斌
2809

自我做空—新思维模式下敏捷管理者的供给侧改革

¥: 30.00
陈士朋
2953

敏捷模式-手机QQ平台型项目管理之旅

¥: 30.00
蔡鸿真
3213

OKR在中小型互联网公司的管理实践

¥: 30.00
范怀宇
3486

家居智慧流通4.0挑战与应对

¥: 30.00
张剑伟
3249

非典型敏捷:10天一个版本

¥: 30.00
左杨眉
3084

开源项目的技术团队管理

¥: 30.00
黄东旭
3400

金蝶云之家内部创业的历程和几点思考

¥: 30.00
宋凯
2790

华为百人团队精益看板演进变革之路

¥: 30.00
陈军
4764

京东战略项目底层逻辑

¥: 30.00
谢钊
3475

The Science behind Art - Five Years Journey of Data Team at Riot

¥: 30.00
李仁杰
3459

Google如何利用OKR帮助团队挑战不可能的任务

¥: 30.00
一样
3030

传统行业工具软件如何结合互联网进行产品转型

¥: 35.00
祁长福
2854

液态思维:用友云2B产品运营实践

¥: 35.00
钱勇
3534

手机厂商如何做互联网产品

¥: 35.00
谭林英
3520

信息化+移动化,美的集团“云”端移动平台建构之路

¥: 35.00
杜羽
3400

共享经济下二手交易,重塑一个模式的关键要素

¥: 35.00
陈静
2500

互联网金融的体验设计观

¥: 35.00
饶瑞
3435

Designing in the open: How GitLab redefined the way users naviga

¥: 35.00
两样
2942

舌尖上的设计——如何提升B端产品用户体验

¥: 35.00
田霞
2590

成熟期产品的设计突破与创新

¥: 35.00
朱一冰
2826

提升服务型团队的运营效率

¥: 50.00
孙甜
3175

小米AI音箱 “小爱同学”的诞生过程

¥: 50.00
陈维扬
5010

用户至上--从智能家居终端的战争中脱颖而出

¥: 50.00
陈亚
3203

揭开人工智能终端的时代——天猫精灵的思考和定义

¥: 50.00
李永太
3533

云原生应用的现代化部署

张海宁
3390

360推动AI技术平台化变革

邓雄
3980

机器智能时代的思考与实践

茹忆
2952

精益创新与快速交付价值

姚冬
3201

A.I.时代职场趋势洞察

王迪
3156

人工智能时代必须关注的技术发展趋势

徐昊
3465

AI,互联网能力的进化

许式伟
3136

硅谷数据团队能力模型

李仁杰
3919

AI视频大数据应用创新

王涛
2910

融合知识图谱的文本异构信息网络构建以及在机器学习中的应用

张铭
3654

新时代下的开放生态

李晓璐
2725

百度云ABC Inspire 为行业变革而来

傅徐军
3389

人工智能时代下的研发演进

刘付强
3093
视频介绍
课程资料
评价

嘉宾介绍

主题介绍

The model aims to provide the recommendation for next best action for sales actions on Azure customers. Built with reinforcement learning framework, the model identifies the optimal policy by informing sellers on when to contact whom (customers) and what actions to take. The goal of this model is to accelerate the Azure adoption and consumption, through more efficient actions on selected customers in a timely fashion. For instance, recommending a new Azure service to the customers when the likelihood of adoption is high, or recommending a churn prevention call when the customer is at a high risk of churn. The model also searches for the more probable paths that nurture new Azure customers to the most deeply engaged customers, i.e., the path of adding a new service to the existing service combo.  
未上传任何附件
说点什么

—— 点击加载更多 ——

收起

为你推荐
啊哦,暂无相关推荐