Pinterest 作为一个估值超过 120 亿美元的初创公司，始终把用户体验放在首位。自从三年前在最重要的产品，个性化主页中大规模使用机器学习以来，上线的一系列线性，迭代决策树和深度学习模型让 Pinterest 活跃用户数突飞猛进，全球至今已接近两亿月活跃用户。郭云松作为 Pinterest 主页推荐团队的主要创始人，在本讲座里会给大家具体介绍过去三年半里主页推荐模型和特征构造的发展和收效。具体来说，本讲座包含以下内容：Pinterest 产品机器学习介绍；线性-迭代树-深度学习模型在主页推荐里的应用和对用户活跃度提高的效果；构造特征向量的经验和教训。 

本次讲座将介绍一种新的 Boosting 方法：Boosted 决策表。我们会介绍学习决策表的方法并讨论为什么决策表比标准的决策树更适合 Gradient Boosting 框架。我们还会介绍一种高效的数据结构来存储及表示决策表，从而减少预测阶段的时间开销。最后我们会用 LinkedIn news feed 作为实际案例讨论决策表在实践中的应用。

In this talk I will present gradient boosted decision tables (BDTs). I will present novel algorithms to fit decision tables and discuss why decision tables are better weak learner in the gradient boosting framework. In addition, I will talk about efficient data structures to represent decision tables and a novel fast algorithm to improve the scoring efficiency for boosted ensemble of decision tables. In the end, I will also discuss our successful deployment boosted decision tables to LinkedIn news feed system that achieved significant lift on key metrics. This work has been published in KDD'17.

构建稳定、高性能的分布式系统，需要仔细的规划、设计和实现。而分布式系统的真正挑战，在系统构建完毕并运转起来之后才刚刚开始。最终用户和系统管理员花费大量时间使用和运维系统，这些时间要远远多于开发所用时间。对任何分布式系统而言，方便用户和系统管理员使用和运维，是其至关重要且不可或缺的特性。

本次演讲将介绍 Nuage——LinkedIn 的私有云管理入口，为方便使用和运维 LinkedIn 的分布式数据系统而构建。我们将介绍 LinkedIn 为什么要投资在云管理方面，讲解 Nuage 为应用开发者和平台管理员提供的功能和优势，以及我们未来将在哪些方面继续投入。

Building a stable and performant Distributed System requires careful planning, design, and implementation. The real challenge with distributed system, however, starts after system is built and rolled out. End users and system administrators spend a lot of time, far more than development time, using and operating the system. Thus providing ease-of-use and easy-to-operate for both users and system administrators is a critical must-have feature for any distributed system.

In this talk, I will present Nuage, LinkedIn’s private cloud management portal, built to bring ease-of-use and operability to LinkedIn’s Distributed Data systems. We will go over why LinkedIn made investment in Cloud Management, list of features and benefits Nuage brings to application developers and platform administrators, and the future investments we are making.

在过去几年中，机器学习——特别是深度学习——越来越受重视。然而，如果能利用现有模型，甚至是利用具有大型数据集和巨大机器能力的大型 IT 公司所构建的 API，开发效率会更高。自 2017 年起，预计基于云的 AI 的使用量会大规模增长。

本次演讲将介绍 Google 的基于云的 AI 的几项新进展，包括视觉、语言能力和问答。我们将演示一个例子，将所有这些技术熔于一炉，轻松构建一个智能聊天机器人。它拥有计算机视觉，可以检测图片中的对象；有一个自然语言理解引擎，可以理解用户所问问题，并提供相关信息；它还能用语言 API 来生成话语，可以以假乱真，我们很难将其与人类话语区分开来。

自 2015 年 12 月推出以来，UberEATS 已经服务了全球 100 多个城市的亿万食客。本次演讲将以派单相关系统为主，一起回顾 UberEATS 发展过程中的工程挑战与机遇。派单系统从单一作业（single-job）的局部优化进化为即时/连续（just-in-time/continuous）的全局优化，我们将分享此过程中的思考，并将通过一些有趣的使用案例，阐述为让外卖无论何时、无论何地都能快速、可靠、高效地送达，在工程方面所做的努力。

Since its inauguration in December 2015, UberEATS has served millions of eaters from 100+ cities across the globe. In this talk, we will look at the engineering challenges and opportunities in scaling UberEATS, especially in the areas related to dispatch. We will present the organic evolution of our dispatch system from ‘single-job’ local optimization to ‘just-in-time/continuous’ global optimization. We will go through some interesting use cases to demonstrate the engineering effort to make food delivery fast, reliable, and efficient anywhere, at any time.