活动内容
美团点评技术沙龙由美团点评技术团队主办,每期沙龙邀请美团点评及其他互联网公司的技术专家分享来自一线的实践经验,覆盖各主要技术领域。
系统性能是保证服务可用性的重要一环,因此对性能进行优化是系统架构演进过程中的重要部分。性能优化本身是个很大的话题,但从业务的角度来看,我们可以粗略归纳为两个事情:吞吐量和系统延迟。在实际的优化实践中,遇到的具体问题是什么?解决的思路有哪些?在多方平衡后又采取了什么样解决方案?不同的系统和场景可能是各有千秋,但别人实战中总结出来的经验可能会对我们在遇到类似的问题时提供一定的启发。
在本次技术沙龙中,让我们来一起聊聊系统性能优化实战经验。
欢迎大家报名参加系统性能优化!
时间&地点
时间:2017年11月25日 星期日 14:00-18:00
地点:上海市田林路1036号(近合川路)科技绿洲三期16号1层大堂 创业邦
议题简介
O2O搜索的一大特点就是环境的不确定性,包括时间、地点、用户状态、商户营销活动,甚至天气变化都会引起用户行为模式改变。
如果使用离线计算的静态模型,无法捕获实时热点信号,也无法实时拟合线上数据分布。为了提高模型对线上数据不停变化的适应能力,非常有必要引入在线学习。
本次分享主要介绍点评搜索业务中使用的在线学习框架和模型。
系统方面:介绍在线学习框架的设计实现,包括用户行为产生、特征收集、模型更新在内的整个流程细节。
模型方面:介绍主流的onlinelearning模型和实际使用经验。
讲师简介
杨一帆
美团点评技术专家。毕业于华中科技大学互联网中心,目前在点评平台技术部负责筛选列表排序业务,之前先后参与过用户画像、广告、风控、团购搜索等相关业务,有比较丰富的算法实践经验。
在全球人工智能领域不断发展的今天,包括Google、Facebook、Microsoft、Amazon等互联公司相继推出了自己的智能私人助理及机器人平台。2015年7月阿里推出了智能私人助理:阿里小蜜,覆盖服务、导购以及助理三大领域,通过不断的技术及产品的探索,在今年推出了阿里小蜜机器人平台,赋能给电子商务领域商家生态圈,提升商家能效。在技术领域通过不断的摸索有了一定的沉淀。
分享提纲:
1、阿里小蜜平台介绍;
2、阿里小蜜技术探索与实践;
3、挑战及思考。
讲师简介
张佶
阿里巴巴集团智能服务事业部算法专家,致力于智能人机交互领域的算法研究和业务场景落地。目前在阿里小蜜团队担任企业小蜜开放平台算法负责人,推动阿里小蜜在企业领域的算法应用和实践,实现了机器阅读理解等前沿领域在工业界最早的成功应用,在机器学习和自然语言处理领域积累了多年的实战经验。
美团点评,作为最大的生活服务平台,有着丰富的用户行为和产品形态,向用户推荐感兴趣的内容,打造一个高精准性、高丰富度且让用户感到欣喜的推荐系统,可以提升产品的吸引力。
O2O业务的推荐,包括地点、环境等场景信息,我们将介绍O2O智能推荐构建和优化过程中的一些问题和挑战,以及深度学习在推荐优化中的一些经验。
本次分享,主要包括:O2O智能推荐业务的演进,推荐框架的迭代以及深度学习算法在推荐中的应用。
讲师简介
陈文石
美团点评技术专家。2012年毕业于东南大学,目前负责点评平台及综合BG智能推荐业务。在加入美团点评之前,曾在百度做过一些音乐个性化推荐相关工作。对人工智能在搜索、推荐等业务上的应用有较深入理解和实践。
推荐广告是美团点评效果广告的重要产品形态。
我们将讨论在O2O场景下推荐广告的业务发展中遇到的一些问题,以及我们如何实践解决。
具体围绕以下几个方面展开:O2O场景下推荐广告系统架构;如何构建机器学习平台,能够支撑海量数据和特征的CTR预估,并且高效迭代;推荐广告排序机制的探索,CVR在排序中如何发挥作用。
讲师简介
程佳
美团点评技术专家。2012年毕业于上海交通大学后加入腾讯,先后在搜索相关性团队及品牌广告算法团队工作,参与搭建了腾讯品牌广告库存分配及智能投放系统的主要工作。2015年加入原点评,目前负责美团点评推荐广告算法策略相关研发工作。
报名链接戳“阅读原文”。