专题演讲嘉宾：裴文谦

随着机器学习在互联网业务上成熟和不断落地，机器学习平台也从之前的野蛮生长走向了精细化运营。

本次分享主要围绕着在滴滴的场景下，如何在各种细分 AI 场景下提供灵活的实验设施，也要提供生产级别的交付能力，同时兼顾效率，利用率及整体成本。

演讲提纲：

1. 滴滴机器学习平台整体架构
   • 业务背景及架构演进
2. 如何评价降本增效
3. 如何降本
   • 实验GPU显存超卖
   • 离线GPU混部+弹性
   • 在线GPU混部+计算隔离
4. 如何增效
   • AI流程化
   • 提高复用率
5. 降本增效的实践效果

你将获得：

了解滴滴这种规模的互联网场景下，通用的机器学习平台如何针对内部业务及变化，利用底层技术兼顾业务需求的前提下完成降本增效的目标，及走过的弯路。