张彭善,2008年硕士毕业于上海交通大学,2012年初加入PayPal Risk Data Science团队。2013年初开始研发基于Hadoop/YARN的机器学习框架,以满足PayPal日益增长的风控大数据的需要。主要负责使用Hadoop/YARN实现分布式的神经网络、逻辑回归以及梯度提升树等算法。目前在PayPal Risk负责分布式机器学习的框架的研发以及机器学习工程化的端到端的系统平台建设。个人的兴趣主要集中在分布式的计算系统和大规模的机器学习/深度学习方向。
张彭善,2008年硕士毕业于上海交通大学,2012年初加入PayPal Risk Data Science团队。2013年初开始研发基于Hadoop/YARN的机器学习框架,以满足PayPal日益增长的风控大数据的需要。主要负责使用Hadoop/YARN实现分布式的神经网络、逻辑回归以及梯度提升树等算法。目前在PayPal Risk负责分布式机器学习的框架的研发以及机器学习工程化的端到端的系统平台建设。个人的兴趣主要集中在分布式的计算系统和大规模的机器学习/深度学习方向。
随着互联网金融的发展以及PayPal接入越来越多的商家和平台,各业务部门都在极力推进机器学习的应用尤其是风控模型的应用。然而,无论是从业务方还是平台部门角度来讲,构建机器学习的平台可以更加快速有效的帮助用户快速构建原型、部署模型、做线上实验等。本议题主要介绍PayPal在构建机器学习平台方面做的相关工作和经验。