随着互联网以及移动互联网的深入发展,为用户提供高质量个性化服务,已成为各种应用改善用户体验及提升营收的关键要素。近年来,随着硬件计算能力的发展以及大规模数据的产生,深度学习在图像处理及自然语言处理等领域取得快速进展。与图像、文本、语音等连续稠密数据不同,广告、推荐、搜索等互联网核心应用中,数据具有高维稀疏与结构化等独特特点。此外,工业级数据本身规模巨大,如何高效应用深度学习解决业务需求也面临极大挑战。
3月19日,由NVIDIA和CECport主办的『互联网核心应用技术交流会』,将邀请来自NVIDIA、快手、阿里、中电港的嘉宾,分享互联网核心应用场景下的算法及工程实践经验。
(识别二维码,即刻参与)
要点预告
-
HugeCTR的各个组件以及它们是如何加速和优化训练与推理的。
-
在排序场景如何构建对比学习任务
-
如何构造排序任务特征体系
-
深入探究自然语言处理、工业检测模型算法流程
活动情况
活动时间:03月19日(星期六)09:00-11:30
活动地点:DataFunTalk直播间
主办方:NVIDIA、CECport
承办方:DataFun
详细议程
详细介绍
-
石济 NVIDIA 推荐系统工程师
演讲议题:NVIDIA Merlin HugeCTR 推荐系统框架
议题介绍:NVIDIA Merlin HugeCTR是GPU加速的推荐系统框架,旨在多个GPU和节点之间分配训练并估计点击率。本次演讲将主要介绍HugeCTR的各个组件以及它们是如何加速和优化训练与推理的。
内容靓点:
1. HugeCTR的Embedding Layer设计上是如何克服内存和通信限制来实现特大Embedding的训练的。
2. HugeCTR的分级参数服务器是如何加速推理的。
3. HugeCTR SOK插件,让HugeCTR相关功能和优化可以在Tensorflow上使用。
个人简介:本科毕业于加州大学伯克利分校,研究生毕业于康奈尔大学。现在是Nvidia Merlin HugeCTR团队的成员,主要负责推荐系统框架的设计和开发。
-
刘静伟 快手 算法专家
演讲议题:对比学习在快手推荐重排序的应用
议题介绍:对比学习在 CV 和 NLP 取得的成绩证明了自监督学习可以很好的提高数据质量、增强模型效果,本次分享主要从数据增广和任务构建的角度,去讨论如何针对业务特点将对比学习应用到推荐系统的排序场景。
内容靓点:在排序场景如何构建对比学习任务
个人简介:硕士毕业于上海交通大学。2019年入职快手,参与快手上下滑推荐场景的全链路优化,对召回和排序经验丰富。
-
王子一 阿里巴巴 算法工程师
演讲议题:稀疏高客单场景下的 CVR 优化
议题介绍:与其他电商平台不同,旅行是一个低频需求且旅行商品的客单价往往较高,如何准确的预估用户的购买需求是行业智能算法团队面临的重大挑战,本次报告将全方面的分享我们从特征到模型在 CVR 预估上做的一些工作。
内容靓点:
1. 如何构造排序任务特征体系
2. 极度不平衡下 CVR 模型的设计和优化
3. 深度模型下排序 Loss 的优化
个人简介:2019年硕士毕业于南京大学计算机科学与技术系,毕业后加入阿里巴巴飞猪行业智能算法团队,参与首页推荐,飞猪主搜和酒店小搜的排序算法优化。
-
邹明扬 中电港 技术工程师
演讲议题:深度学习-场景模型优化
议题介绍:介绍深度学习流程,并在激励函数,数据增强应用。深入探究自然语言处理、工业检测模型算法流程。
1. 深度学习介绍
A. 神经元
B. 构建网络
C. 激励函数
2. 模型部署
A. 数据增强
B. 模型部署
3. 自然语言处理
4. 工业检测
个人简介:邹明扬 Vinson.Zou,香港理工大学硕士。主攻方向:计算智能,大数据,IOT应用,数据通信安全。在中电港NVIDIA 部门 技术支持工作,主要支持数据中心运维架构解决方案,并在自然语言处理系统、工业检测、医学检测方面有深入探究。
点击阅读原文也可报名参与!
文章评论