张军, PayPal风控高级研发经理,2006年硕士毕业于南京大学,2012年加入PayPal风控部门后一直致力于风控系统与计算平台的研发。在PayPal期间,曾主导开发PayPal风控移动埋点系统,风控SaaS系统;并带领团队打造PayPal 新一代风控大数据特征模型仿真系统,极大的改善了模型特征数据的生产效率以及解决了线上线下特征数据不一致所带来的挑战。目前主要领导负责PayPal AI在线计算平台的研发,致力于为公司所有的AI场景提供统一高效的计算平台。
张军, PayPal风控高级研发经理,2006年硕士毕业于南京大学,2012年加入PayPal风控部门后一直致力于风控系统与计算平台的研发。在PayPal期间,曾主导开发PayPal风控移动埋点系统,风控SaaS系统;并带领团队打造PayPal 新一代风控大数据特征模型仿真系统,极大的改善了模型特征数据的生产效率以及解决了线上线下特征数据不一致所带来的挑战。目前主要领导负责PayPal AI在线计算平台的研发,致力于为公司所有的AI场景提供统一高效的计算平台。
PayPal高可用AI 计算平台(Unified AI Compute Platform)主要用于服务PayPal 在线海量实时AI模型和特征数据计算。该平台的主要服务于金融在线支付和支付风控场景,最大的挑战在于如何在有限的交易时延保障的同时确保平台服务的高可用和高吞吐。本主题首先从介绍平台的系统架构和技术体系开始;进而详细介绍平台如何灵活高效的支持各种复杂特征计算、传统与深度模型计算,如何做到特征模型的热部署等;此外,对于深度学习模型在线计算的应用以及平台的系统调优也会有重点篇幅介绍。