苏宁机器学习平台实践

编者按

作者介绍：周鹏程，苏宁IT总部机器学习平台负责人，先后从事大数据开发调度平台、数据交换、数据探查、机器学习平台项目的开发工作。对Hive、spark、storm、hbase等大数据框架有深入的理解，并对数据挖掘、图像识别、OCR、推荐等领域有着较好的理论经验和实践经验。目前主要研究方向是基于机器学习平台的工程化应用以及基于深度学习的图像处理和识别。

苏宁云商大数据平台研发中心为数据科学家及数据分析师提供了可视化、流程化、配置化、服务化的一站式的数据挖掘平台，用户不需要繁琐的开发过程，使用便捷的配置化方式实现数据建模分析过程，提供了数据、模型评估、训练执行过程等一系列可视化方式，基于苏宁数据云生态，打造了能够通过数据开发平台和实时计算平台实现算法模型一键部署上线的能力，最终帮助用户快速得到大数据背后隐藏的秘密。

此次分享介绍了苏宁大数据平台概况以及机器学习平台技术实现，通过平台的设计思路，结合相关核心技术点， 为大家介绍企业级机器学习平台实现过程中的技术和经验，以及一些平台正在规划中相关功能。

演讲视频

幻灯片

往期演讲推荐

唯品金融机器学习实践

Uber大规模机器学习平台的架构与实践

Pinterest如何利用机器学习获得两亿月活跃用户

QCon北京2018

一年一度的QCon北京大会将于2018年4月20-22日在北京国际会议中心召开，下面是已经确认的话题之一：

《深度学习在广告投放中的应用》

——腾讯MIG开放平台部商业化模型负责人 苏函晶

本次演讲将聚焦计算广告领域，重点介绍深度学习在快报/应用宝广告投放中的三大应用：

1. 用户兴趣的深度理解：用户兴趣在Feeds流广告模型中非常重要，传统用户兴趣特征制作大多是基于统计得到的，未充分利用行为数据背后隐藏的知识，我们会介绍下如何利用机器学习方法抽取更复杂的兴趣特征。

2. 广告创意的理解和生成：广告创意是广告主表达其诉求的承载体，也是影响用户点击和转化的关键要素。我们会介绍下如何利用深度学习对广告进行更好的理解，以及如何批量生成高质量的广告创意。
   

3. 基于在线学习的（深度）排序模型：快报是一个高频且对新鲜度要求高的场景，线上投放环境充满变化，但传统机器学习对于线上反馈不够及时，我们会介绍下如何利用在线学习提高模型的快速反馈能力。

更多演讲请点击“阅读原文”关注QCon北京2018。