在 ArchSummit 北京 2019 大会上，鲁文龙讲师做了《一站式机器学习平台在 vivo AI 的实践》主题演讲，主要内容如下。
演讲简介：
为了支撑 vivo AI 研究院各种各样的机器学习项目，我们在多年广告推荐项目的实践经验基础上，尝试构建了一套端到端的一站式机器学习平台系统，降低技术落地门槛，提供项目迭代效率。平台提供了基于各种计算框架 Tensorflow、PyTorch 构建的高性能训练 SDK，高效调参与 AutoML，模型部署，线上推理，A/B 测试，效果监控与分析等功能。除此之外，还提供了一套基于 Spark，HBase，Redis 等构建的特征生成与管理和样本生产与管理的 pipelines，为实现实时增量训练奠定了坚实的基础。到目前为止，公司的多个项目如广告、推荐，搜索，图像等都运行在该平台上，迭代周期大大缩短。
内容大纲：
- 为什么需要机器学习平台
- 机器学习平台的价值
- 特征平台
- 模型平台
- 基于配置的推理引擎
- 信息流推荐案例
- 总结
听众受益点：
- 了解机器学习项目的最佳实践
- 了解如何避免大规模机器学习项目中的各种坑
- 学习如何架构系统，使得算法工程师与开发工程师的工作实现解耦，提高迭代效率
讲师介绍：
鲁文龙，vivo 资深算法工程师。
目前在 vivo AI 研究院，在广告的机器学习项目中，引入了深度学习与大规模分布式训练技术，使得广告收入实现了大幅的增长。为了支持 AI 研究院各种各样的机器学习项目，从零到一打造端到端的一站式机器学习平台，降低机器学习技术的落地门槛，大大提升了项目的迭代效率。
完整演讲 PPT 下载链接：
评论