大规模机器学习在LinkedIn预测模型的应用实战

张镭：LinkedIn/Machine Learning Algorithms Team/Staff Software Engineer

张镭，美国伊利诺伊大学芝加哥分校计算机科学博士，其主要研究领域是自然语言处理，机器学习和大数据挖掘。在国内外著名学术期刊和会议上已发表多篇学术文章，获得4项美国专利，合著有Mining Text Data, Data Mining and Knowledge Discovery for Big Data等4本关于自然语言处理和机器学习书籍，并长期受邀担任国际知名期刊评委和国际知名会议程序委员会委员。

目前在领英公司(LinkedIn)机器学习算法组（Machine Learning Algorithms Team ) 从事机器学习算法和核心平台的研发。

标题：大规模机器学习在LinkedIn预测模型的应用实战

摘要：预测模型在LinkedIn被用于构建统计模型，来预测接下来的用户偏好和事件趋势。它的重要性不言而喻，并且广泛应用于LinkedIn的产品当中，包括工作推荐、新闻源（News Feed）、邮件营销等等。

然而，创建预测模型是非常具有挑战的，它需要庞大的数据量，和至关重要的混杂用户偏好行为数据来做支撑，就像飞机需要高质量的航空燃油一样。在这次演讲中，我将首次介绍业界预测模型的基础概念和最先进的技术，以及当前所遇到的挑战、方案，还有我们在模型实践中大规模应用机器学习的宝贵经验教训。例如：LinkedIn弹性机器学习库Photon-ML；便于使用的Modoop平台。

此外，演讲中会引用两个学习案例加以说明：LinkedIn工作推荐 & 邮件营销。

演讲提纲：

(1）Predictive modeling介绍
(2) 端到端的predictive modeling生产系统实现
(3) 大规模机器学习介绍
(4) 如何应用大规模机器学习在predictive modeling：经验及教训
(5) Photon-ML在LinkedIn Job Recommendations 的应用实例
(6) Modoop在LinkedIn Email Marketing 的应用实例

听众受益点：

(1) 了解 predictive modeling的概念和方法
(2) 了解应用大规模机器学习的实现predictive modeling的方法和经验
(3) 应用大规模机器学习进行个性化推荐的实例