张俊林，中国中文信息学会理事，中科院软件所博士。目前在新浪微博 AI Lab 担任资深算法专家并负责新技术团队。在此之前，张俊林曾经在阿里巴巴任资深技术专家，以及在百度和用友担任技术经理及技术总监等职务。他是技术书籍《这就是搜索引擎：核心技术详解》（该书荣获全国第十二届优秀图书奖）、《大数据日知录：架构与算法》的作者。
他本科毕业于天津大学管理学院，之后在中科院软件所直接攻读博士学位，研究方向是信息检索理论与自然语言处理，就学期间曾在 ACL、COLING、IJCNLP 等国际顶级会议发表多篇学术论文。另外，他在此期间领导设计的搜索系统曾在美国国防部 DARPA 主持的 TREC 高精度检索系统评测中取得综合排名第一名的优异成绩。
地点：305
所属专题：深度培训深度学习已经在图像／视频／自然语言等应用领域取得了飞速的进展，相对其它应用领域，推荐系统有其自身特点，比如数据稀疏／特征数量巨大／特征稀疏／存在大量离散特征等独有的特性。如何结合深度学习技术目前也是各种实际推荐应用关注的内容。本演讲分为两个方面：一方面对目前在推荐系统领域的召回和排序阶段采用深度学习的技术方案进行梳理介绍，在排序阶段将目前的常见深度学习推荐技术划分为：基于表示学习的模型和基于特征组合的模型两大类，并对比各种模型各自优缺点及合适的应用场景；另外一方面，对于深度学习技术如何应用在大规模工业场景也做了经验分享。并对推荐系统的技术发展趋势进行分析于说明。
对推荐系统及深度学习感兴趣的技术人员及相关算法从业者。
