机器学习专题内容审核

张俊林

演讲题目：深度学习在CTR预估业务中的应用

演讲摘要：深度学习当前在图像视频，自然语言处理及语音识别等各个领域都取得了突破性的技术进展，并在实际中获得了广泛的使用。

CTR预估任务是工业界最常见的业务类型，在广告，推荐，排序等领域很多问题都可以转化为CTR预估问题。CTR预估任务面临着超大规模特征量以及大量稀疏数据等实际应用问题，很多常规的深度学习模型无法满足实用化要求。

本讲座介绍了CTR预估任务中应用深度学习的各种主流模型，梳理了模型之间的演化关系和特点，并对优选的模型和训练方法等作了归纳。

演讲提纲：

1.当深度学习遇到CTR预估任务
2.factorization machines模型
3.当前主流的深度学习CTR预估模型
4.优选的模型结构及训练方法
5.新浪微博应用环境下的探索

听众收益：

1.深入了解目前CTR预估任务中最主流的深度学习模型，包括各种模型的技术方案优缺点等；
2.了解在CTR预估业务应用时优选的网络结构及训练优化方法；

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

另外一位微博的讲师想分享机器学习平台架构的内容，您看一下：

黄波：微博/微博研发中心/机器学习研发部/资深架构师

黄波，机器学习平台技术负责人、资深架构师，负责微博机器学习平台和Feed算法系统。毕业于中科院计算所，从事高性能计算方面的工作。2008年加入百度，从事分布式文件系统开发。2010年加入新浪微博，负责Feed系统、分布式计算、大数据平台、机器学习平台、深度学习平台等系统开发。熟悉Feed系统、推荐系统、分布式计算系统、大数据系统、机器学习系统、深度学习系统等。

演讲题目：微博机器学习平台架构和Feed算法实践

问题背景：在微博等社交媒体场景下如何通过机器学习和大数据等技术解决业务问题
解决方案选型：通过机器学习平台和大数据平台来提高业务解决能力
方案介绍：微博机器学习平台架构以及大规模、深度学习、异构计算等特征
实施后效果：微博机器学习平台给微博Feed算法等业务场景带来了显著的效果提升和生产力提升

演讲提纲：

1，业界机器学习平台介绍
2，微博机器学习平台架构
3，微博机器学习平台：大规模、深度学习、异构计算
4，微博Feed算法实践经验

听众受益点：

1，如何在业务中使用机器学习和大数据技术；
2，如何搭建机器学习平台、大数据平台和深度学习平台；
3，如何解决机器学习中大规模、深度学习、异构计算等问题。