专题演讲嘉宾：唐溪柳

由特征工程、训练平台、线上 Serving 组成的深度学习技术架构，Serving 腾讯广告海量请求，缩短深度学习模型调参周期，加快模型上线速度。

内容大纲：

1. 项目背景：深度学习技术平台助力腾讯广告技术全面转向深度模型；
2. 技术方案：

• 构建特征工程、训练平台、线上 Serving 系统边界；
• 特征工程优化特征存储，促进特征共享；
• 训练平台建模 API 屏蔽模型训练技术细节，将建模配置化；
• 建设通用模型服务 Serving 集群，优化 Latency 与系统稳定性。

听众受益：

1. 了解构建生产环境深度学习平台的三个重要环节：特征工程、训练平台与 Serving 集群；
2. 对 Tensorflow 进行若干技术改进用于稀疏特征的端到端训练；
3. 广告或推荐系统应用深度学习技术的技术要点。

由特征工程、训练平台、线上 Serving 组成的深度学习技术架构，Serving 腾讯广告海量请求，缩短深度学习模型调参周期，加快模型上线速度。

内容大纲：

1. 项目背景：深度学习技术平台助力腾讯广告技术全面转向深度模型；
2. 技术方案：

• 构建特征工程、训练平台、线上 Serving 系统边界；
• 特征工程优化特征存储，促进特征共享；
• 训练平台建模 API 屏蔽模型训练技术细节，将建模配置化；
• 建设通用模型服务 Serving 集群，优化 Latency 与系统稳定性。

听众受益：

1. 了解构建生产环境深度学习平台的三个重要环节：特征工程、训练平台与 Serving 集群；
2. 对 Tensorflow 进行若干技术改进用于稀疏特征的端到端训练；
3. 广告或推荐系统应用深度学习技术的技术要点。