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。

视频内容观看目前已经成为互联网上用户消费深度最高，消费时间最长的内容消费方式，爱奇艺作为视频领域的领头羊，拥有互联网上最多的视频观看用户，我们的目标是利用大数据的机器学习和人工智能算法，为这些用户精确分发推荐个性化的视频内容，并且打造良好的内容生态，持续促进内容的生产和消费。

我将介绍爱奇艺视频Feed推荐的整体架构，以及我们如何利用人工智能和机器学习算法打造个性化推荐的排序、召回，视频内容理解等重点模块，并且重点介绍我们在推荐的每个阶段深入的引入深度学习模型来提高推荐的效果，包括：

1. 视频Feed流推荐架构和演变；
2. 深度学习的实践和应用；
3. 视频内容理解和分析；
4. 多目标学习，多样性优化和冷启动问题的解决。

听众受益

1. 大规模用户和数据下的内容分发的挑战和面临的问题是什么；
2. 充分了解内容推荐特别是Feed推荐在实际应用中的场景和系统架构及其演变过程；
3. 了解深度学习如何应用在推荐算法和视频内容的分析理解中；
4. 对于推荐中的常见问题，如冷启动和多样性有哪些解决方案；
5. 了解内容分发的关键路径和打造内容生态的重要性。

文档资料的内容自动化处理有广阔的应用前景，在大型集团企业、政府、教育、金融等行业客户中代替人工来自动化进行文档处理，是人工智能技术落地的关键应用之一。在对篇幅较长的文本进行内容理解和信息挖掘过程中，如何应用深度学习技术来进行更好的进行分析挖掘。另外还将探讨深度学习模型和统计语言模型的相互结合，以及工程实践中值得注意的应用点等实践知识。

随着移动化时代人们对信息获取方式的不断变化，如何提升Feed流的内容分发效率成为了业界互联网公司不断探索研究的热点问题。例如：给用户分发哪些内容？这些内容如何排序？如何评价用户是否对内容真正感兴趣？如何精准的链接内容与用户？

本次演讲将与大家分享微博信息流如何基于海量的用户行为数据进行大规模模型构建，模型优化与排序策略优化，深度学习在Feed流排序的实践与应用相关工作。

近年来深度学习作为人工智能的核心技术在图像、语音、自然语言处理等领域都取得了很大突破。在自然语言处理方面，深度学习在句法分析、语义分析、文本匹配、机器翻译等方向都有很多进展。文本匹配作为一个基础技术在搜索、推荐、对话等场景中有着广泛应用。

百度NLP于2013年设计研发了一种有监督的神经网络语义匹配模型SimNet，显著提升了文本匹配效果。随后几年，我们持续积累该技术，于2017年进一步提出语义匹配框架SimNet2.0，该框架无论匹配效果还是场景扩展性都有很大飞跃。基于该框架，我们在百度搜索、百度资讯流等产品取得很多成功应用。尤其在百度搜索上，我们累计上线相关项目20余个，显著改善长冷query搜索效果，极大提升搜索智能化体验。

本次演讲主要介绍百度NLP的神经网络语义匹配技术，分享其在百度搜索中的实践经验。

随着深度学习在工业界的大规模应用，搜索算法领域迎来了全新的技术革命，在视频领域的技术变革更加明显。和电商的搜索不同，在电商领域具备天然的结构化类目体系和标签体系，视频搜索领域仅仅依靠文本理解远远不够，这给深度学习在视频内容理解、NLP、语义模型、内容分发提供了更为宽广的实践空间。本次分享将结合实际应用介绍优酷视频搜索算法利用深度学习解决语义模型、内容理解、数据分发方面的深入思考和实践经验。

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。

主要内容

1. 构建机器学习平台所需的核心组件；
2. 线上线下机器学习流水线构建；
3. 深度学习在线推断框架和深度学习服务构建。

听众受益

1. 如何构建机器学习平台，统一线上线下各组件和资源管理；
2. 构建自服务的机器学习模型的相关实践；
3. 深度学习线上模型部署和扩展服务的相关经验分享。