广告业务多模型特征工程系统化解决方案

所属专题:广告系统与推荐算法

嘉宾 : 李彪 | 腾讯广告特征工程负责人

会议室 : 贵宾接待室2

讲师介绍

专题演讲嘉宾:李彪

腾讯 广告特征工程负责人

10 年+ 研发和广告系统架构设计经验,先后负责过广告检索系统、⽤户画像系统,最近一直负责特征⼯程平台建设,解决广告业务中多模型对特征的存储、计算方⾯的问题,致力于通过⼤数据研发解决机器学习中数据⼯程问题,提升模型优化的效率和效果,发挥数据的价值。对大数据研发、分布式存储计算、深度学习系统建设有着浓厚的兴趣。

议题介绍

地点:贵宾接待室2
所属专题:广告系统与推荐算法

演讲:广告业务多模型特征工程系统化解决方案

在 AI+Big Data+Cloud Computing 的时代里,从海量数据⾥提炼出特征,并通过深度学习进行模型优化来提升⼴告投放效果。为了系统化地解决广告系统在初选、精选阶段上多模型优化中对特征数据的需求,我们建设了统⼀的特征工程平台。本分享简要介绍广告系统如何使用模型特征优化业务指标,重点介绍特征工程平台的架构,包括特征生产、存储和计算调度等工作内容,最后给出如何系统化地解决多模型的特征共享,调研环境和⽣产环境下的计算优化,特征在线与离线应⽤上的数据一致率等问题。

内容大纲:

  1. ⼴告业务多模型优化在特征⼯程系统上的挑战;
  2. 特征工程平台架构设计和实现:统计特征、前文特征和⼴告特征生产框架
——特征仓库存储系统特征在调研环境、生产环境(包括离线训练和在线预测)上的计算、调度;
  3. 基于特征工程平台架构,如何解决多模型优化在特征⼯作上挑战。

听众受益:

  1. 了解广告业务模型优化的基本情况;
  2. 了解特征生产、存储和计算等系统设计与实现;
  3. 了解多模型优化对特征工程系统的挑战与解决方案。

交通指南

© 2019 Baidu - GS(2018)5572号 - 甲测资字1100930 - 京ICP证030173号 - Data © 长地万方
想要批量报名或更多优惠?
立即联系票务小姐姐Joy
或致电:+86-13269078023