专题出品人: 徐章健

滴滴金融 消费金融技术负责人

专题:架构演进

本专题各位分享嘉宾将会把其所在企业先进的架构实践经验进行案例分析,讲述将会非常全面且具指导意义。无论是小型项目需要伴随用户成长,还是正在逐步扩展到大型项目,需要进行拓展架构演进思路,本专题方向是互联网架构师们不可多得的技术最佳参考。

本专题下的议题

讯飞AIoT平台架构实践
金豪 科大讯飞 AI平台架构师
所属专题:架构演进

课程概要

背景介绍:
随着AIoT应用场景的不断拓展,定制化成本越来越高,平台化是大势所趋,如何构建平台标准,如何解决IoT场景对AI能力各种定制化要求,如何以平台化的方式打通AI与IoT具有很大的挑战。本案例主要分享从AI到AIoT演进过程中我们是如何思考和解决这些问题的。

解决思路/成功要点:
1. 结合IoT场景特点,理清AI落地难点
2. 确定AIoT平台建设的目的和最终期望达成的目标
3. IoT场景特性下,AI物描述的抽象和应用;
4. 通过AI能力编排,让AI能力轻松扩展;

成果:
1. AI物描述降低设备智能化接入门槛80%以上;
2. 新AI能力构建,协作流程缩短75%,人力成本降低;

听众收益

1. 了解IoT智能化对AI平台有哪些难点和挑战
2. 了解AI和IoT是如何结合解决IoT场景下智能化问题的

滴滴实时计算平台架构与实践
梁李印 滴滴 实时计算负责人
所属专题:架构演进

课程概要

滴滴出行作为一家出行领域的互联网公司,其核心业务是一个实时在线服务,具有丰富的实时数据和实时计算场景,也对实时计算的稳定性、低时延提出了很高的挑战。本次分享将介绍实时计算在滴滴从多引擎多集群向大集群单引擎发展之路,如何应对实时计算平台化中遇到的挑战,如何将集群变更对实时任务影响降到最低,如何在业务稳定和引擎迭代之间取得平衡及实践心得。

听众收益

了解滴滴的实时计算服务模式,实时计算平台能力及实践经验,对本公司实时计算平台化建设提供参考。

Zipline: Airbnb's data management platform for machine learning
Patrick Yoon Airbnb Software Engineer
所属专题:架构演进

课程概要

Zipline is Airbnb’s data management platform specifically designed for machine learning use cases. It allows users to define features in an easy-to-use configuration language and provides access to the following features:
- Resource efficient and point-in-time correct training set backfills and scheduled updates
- Batch correction with lambda architecture that combines offline batch sources and online streaming sources and provides a single data source in the online scoring environment
- Feature visualizations and automatic data quality monitoring
- Collaboration and sharing of features, and data ownership and management.
Apache Spark powers many of Zipline’s features, especially offline tasks for efficient training set backfills and feature computation, and Apache Flink powers stream processing of online scoring data. Zipline is widely used at Airbnb and reduced the time that ML practitioners spend collecting and developing a reliable dataset from months to days. Despite ML feature management being widespread, there is no open source software to address these problems. As a result, we intend to open source our work.

听众收益

- Explore the architecture of Zipline, Airbnb’s data management platform specifically designed for ML use cases.
- The main problems that Zipline solves.
- Understand how to solve problems regarding training data generation with point-in-time correctness, feature consistency for online scoring, collaborating on training data, and data management.

蘑菇街算法在线推理服务的架构变迁
杨立 蘑菇街 资深工程师
所属专题:架构演进

课程概要

背景介绍:
蘑菇街对算法的应用自电商转型伊始就已开始,并在15年集团技术架构升级启动的同时,伴随着算法团队的成长开始迅速扩张并逐渐覆盖到了搜索、推荐、广告、直播、社会化、快抢、团购等核心业务。如何为不断变化的多元化业务提供通用、高性能、稳定的在线服务,如何高效支持算法升级、试错、快速迭代,成为算法工程团队需要核心解决的问题。

解决思路/成功要点:
引入面向算法侧的实验及打点、实时数据流、离线及实时特征、模型训练等系统及平台打通多层实验、数据追踪、特征模型产出及数据分析与评估的闭环。引入大规模特征存储、内存压缩及模型优化相关技术优化算法在线服务推理性能。引入动态发布、异常容灾、数据监控与报警、服务评测与压测提高在线服务易用性、稳定性。
以通用平台化的视角,在公司不同的成长阶段,平衡业务规模、技术、硬件成本及时调整并给出适合的架构解决方案。

成果:
目前算法在线服务在业务侧已覆盖到蘑菇街算法业务700+场景中,日承载着全站亿级实时算法推理请求,并同时为集团搜索、推荐、广告、图像、风控等算法团队提供高效的工程保障,助力了算法从基础模型LR、XGBT到复杂模型WLR、Wide&Deep的成功转型。

听众收益

* 了解典型电商场景下蘑菇街在不同阶段的算法在线服务架构体系
* 了解如何为不断变化的多元化业务提供通用、高性能、稳定的在线服务
* 了解如何高效支撑众多算法团队的算法升级、试错、快速迭代

* 南开大学计算机软件与理论硕士研究生毕业,曾任趣店集团总监&总架构师,百度高级工程师等职务;
* 拥有多年互联网金融、消费金融研发管理经理,对于消费金融科技技术体系建设、高并发、大流量分布式系统、人工智能与大数据风控体系建设、服务治理、服务 SOA 化等都有丰富的实战经验,对项目管理、团队建设、人才培养等也都颇为擅长。
* QCon大会明星讲师与出品人,top100 summit会议联席主席,对FinTech、互联网金融、消费金融、普惠金融、科技金融等领域具有浓厚的兴趣,喜欢参与交流分享,具有较强的创业精神与较高的目标追求。

专题:架构演进

本专题各位分享嘉宾将会把其所在企业先进的架构实践经验进行案例分析,讲述将会非常全面且具指导意义。无论是小型项目需要伴随用户成长,还是正在逐步扩展到大型项目,需要进行拓展架构演进思路,本专题方向是互联网架构师们不可多得的技术最佳参考。

其他相关专题

详情咨询:400-8128-020
赞助合作:sissi
联系电话:130-4321-8801
邮箱:market@msup.com.cn
CopyRight © 2008-2019 Msup