基于 Flink 和 Flink AI Extended 的实时推荐系统

案例来源:阿里云
会议地点:上海
分享时间: 2021-11-27 14:30-15:30

秦江杰  |

阿里云 计算平台开源大数据生态技术负责人

秦江杰目前是阿里云计算平台开源大数据生态技术负责人,Apache Memeber,Apache Flink & Apache Kafka PMC。加入阿里前,秦江杰任职于 LinkedIn 负责 Apache Kafka 及相关技术的开发工作。

课程概要

话题概述:
推荐系统在很多公司的业务中都具有重要的地位,在包括搜索、推荐、广告在内的众多场景中对用户增长、用户粘性和营收等关键业务指标有着举足轻重的作用。目前的推荐系统正逐步从离线静态推荐系统向实时推荐系统演进。在推荐系统演进的过程中对流计算技术本身以及流计算和批计算的融合等方面都提出了更高的要求,同时系统的复杂程度和快速容错恢复方面也带来了新的挑战。本案例介绍了以 Flink + Flink AI Extended 作为流计算基础搭建的业界领先的实时推荐系统,从推荐系统原理出发,解释了实时推荐为什么有用,实时推荐系统的要素,以及如何基于 Flink 和 Flink AI Extended 搭建实时推荐系统的最佳实践。

演讲题纲:
1. 推荐系统原理及演进趋势
1.1 静态推荐系统
1.2 加入实时特征的推荐系统
1.3 加入实时训练的推荐系统

2. 实时推荐系统架构
2.1 实时特征
2.2 实时样本
2.3 实时模型训练

3. 实时推荐系统关键技术
3.1 Flink
3.2 Flink AI Extended

话题亮点:
1. 实时推荐系统的最佳实践。
2. 基于 Flink + Flink AI Extend 构建流批混合的工作流。

听众收益

1. 推荐系统实时化的内在逻辑
2. 实时推荐系统的要素和架构
3. 如何基于 Flink + Flink AI Extended 搭建实时推荐系统。

秦江杰  |

阿里云 计算平台开源大数据生态技术负责人

秦江杰目前是阿里云计算平台开源大数据生态技术负责人,Apache Memeber,Apache Flink & Apache Kafka PMC。加入阿里前,秦江杰任职于 LinkedIn 负责 Apache Kafka 及相关技术的开发工作。

课程概要

话题概述:
推荐系统在很多公司的业务中都具有重要的地位,在包括搜索、推荐、广告在内的众多场景中对用户增长、用户粘性和营收等关键业务指标有着举足轻重的作用。目前的推荐系统正逐步从离线静态推荐系统向实时推荐系统演进。在推荐系统演进的过程中对流计算技术本身以及流计算和批计算的融合等方面都提出了更高的要求,同时系统的复杂程度和快速容错恢复方面也带来了新的挑战。本案例介绍了以 Flink + Flink AI Extended 作为流计算基础搭建的业界领先的实时推荐系统,从推荐系统原理出发,解释了实时推荐为什么有用,实时推荐系统的要素,以及如何基于 Flink 和 Flink AI Extended 搭建实时推荐系统的最佳实践。

演讲题纲:
1. 推荐系统原理及演进趋势
1.1 静态推荐系统
1.2 加入实时特征的推荐系统
1.3 加入实时训练的推荐系统

2. 实时推荐系统架构
2.1 实时特征
2.2 实时样本
2.3 实时模型训练

3. 实时推荐系统关键技术
3.1 Flink
3.2 Flink AI Extended

话题亮点:
1. 实时推荐系统的最佳实践。
2. 基于 Flink + Flink AI Extend 构建流批混合的工作流。

听众收益

1. 推荐系统实时化的内在逻辑
2. 实时推荐系统的要素和架构
3. 如何基于 Flink + Flink AI Extended 搭建实时推荐系统。

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 © 2008-2021 Msup

获取大会更多详情

立即参会
报名咨询
报名咨询
优惠门票
×

扫码关注公众号:回复【A2M】

参与《免费领取PPT》活动



关注后,回复【A2M】

×

扫码关注公众号:回复【A2M】

参与《免费领取PPT》活动



关注后,回复【A2M】