Alternate Text 搜索
发布活动 下载App

美团点评技术沙龙第27期:O2O领域机器学习应用实践

2017年11月25日 14:00 ~ 2017年11月25日 18:00
限额251人
美团点评技术团队美团点评技术团队
付费活动,请选择票种
10652 人浏览

发现你感兴趣的活动,结交你聊得来的朋友!

登录注册

微信“扫一扫”

优活动 更精彩!
ID:ihuodongxing
展开活动详情
活动票种...

    活动内容...收起

    美团点评技术沙龙美团点评技术团队主办,每期沙龙邀请美团点评及其他互联网公司的技术专家分享来自一线的实践经验,覆盖各主要技术领域。

    美团点评作为深耕O2O领域多年的行业领先者,致力于搭建连接线上用户与线下服务提供方的平台,积累了海量的用户及行为数据。我们利用大数据技术及各种智能算法,给用户提供了个性化的用户体验,帮助用户"Eat better,live better"。

    无论是结合场景上下文以对用户意图进行精准理解,还是实时捕获用户行为及商家数据以提升搜索推荐平台的流量投放效率,或者构建覆盖全场景紧密融合广告与体验的变现机制,都是各种传统机器学习,在线学习及深度学习技术大显身手的舞台。 


    本次沙龙我们就请多位来自美团点评及阿里的技术专家,和大家一起分享他们在相关领域应用机器学习的流程、经验以及最佳实践。


    欢迎大家报名参加 O2O领域机器学习应用实践


    日程安排 


    时间           内容           
    13:30-14:00           

    来宾签到               

    14:00-14:10           

    主持人开场               

    14:10-15:00           

    在线学习在点评搜索中的实践     美团点评技术专家   杨一帆                

    15:00-15:50           

    阿里小蜜-电商领域的智能助理技术实践   阿里巴巴集团智能服务事业部算法专家   张佶                

    15:50-16:40           

    深度学习在点评推荐中的实践    美团点评技术专家    陈文石                

    16:40-17:30           

    推荐广告机器学习实践     美团点评技术专家  程佳                 


    议题简介 


    主题一:在线学习在点评搜索中的实践

    O2O搜索的一大特点就是环境的不确定性,包括时间、地点、用户状态、商户营销活动,甚至天气变化都会引起用户行为模式改变。

    如果使用离线计算的静态模型,无法捕获实时热点信号,也无法实时拟合线上数据分布。为了提高模型对线上数据不停变化的适应能力,非常有必要引入在线学习。

    本次分享主要介绍点评搜索业务中使用的在线学习框架和模型。

    系统方面:介绍在线学习框架的设计实现,包括用户行为产生、特征收集、模型更新在内的整个流程细节。

    模型方面:介绍主流的onlinelearning模型和实际使用经验。


    杨一帆副本副本.jpg

    分享者:杨一帆,美团点评技术专家

    毕业于华中科技大学互联网中心,目前在点评平台技术部负责筛选列表排序业务。之前先后参与过用户画像、广告、风控、团购搜索等相关业务,有比较丰富的算法实践经验


    主题二:阿里小蜜-电商领域的智能助理技术实践

    在全球人工智能领域不断发展的今天,包括Google、Facebook、Microsoft、Amazon等互联公司相继推出了自己的智能私人助理及机器人平台。2015年7月阿里推出了智能私人助理:阿里小蜜,覆盖服务、导购以及助理三大领域,通过不断的技术及产品的探索,在今年推出了阿里小蜜机器人平台,赋能给电子商务领域商家生态圈,提升商家能效。在技术领域通过不断的摸索有了一定的沉淀。

    分享提纲:

    1、阿里小蜜平台介绍;

    2、阿里小蜜技术探索与实践;

    3、挑战及思考。


    张jie副本.png

    分享者:张佶,阿里巴巴集团智能服务事业部算法专家

    致力于智能人机交互领域的算法研究和业务场景落地。目前在阿里小蜜团队担任企业小蜜开放平台算法负责人,推动阿里小蜜在企业领域的算法应用和实践,实现了机器阅读理解等前沿领域在工业界最早的成功应用,在机器学习和自然语言处理领域积累了多年的实战经验。


    主题三:深度学习在点评推荐中的实践

    美团点评,作为最大的生活服务平台,有着丰富的用户行为和产品形态,向用户推荐感兴趣的内容,打造一个高精准性、高丰富度且让用户感到欣喜的推荐系统,可以提升产品的吸引力。

    O2O业务的推荐,包括地点、环境等场景信息,我们将介绍O2O智能推荐构建和优化过程中的一些问题和挑战,以及深度学习在推荐优化中的一些经验。

    本次分享,主要包括:O2O智能推荐业务的演进,推荐框架的迭代以及深度学习算法在推荐中的应用。


    陈文石副本副本.jpg

    分享者:陈文石,美团点评技术专家

    2012年毕业于东南大学,美团点评算法专家,目前负责点评平台及综合BG智能推荐业务。在加入美团点评之前,曾在百度做过一些音乐个性化推荐相关工作。对人工智能在搜索、推荐等业务上的应用有较深入理解和实践。


    主题四:推荐广告机器学习实践

    推荐广告是美团点评效果广告的重要产品形态。

    我们将讨论在O2O场景下推荐广告的业务发展中遇到的一些问题,以及我们如何实践解决。

    具体围绕以下几个方面展开:O2O场景下推荐广告系统架构;如何构建机器学习平台,能够支撑海量数据和特征的CTR预估,并且高效迭代;推荐广告排序机制的探索,CVR在排序中如何发挥作用。


    程佳副本副本.jpg

    分享者:程佳,美团点评技术专家

    2012年毕业于上海交通大学后加入腾讯,先后在搜索相关性团队及品牌广告算法团队工作,参与搭建了腾讯品牌广告库存分配及智能投放系统的主要工作。2015年加入原点评,目前负责美团点评推荐广告算法策略相关研发工作。


    特别鸣谢:创业邦&创营提供场地支持,IT大咖说提供视频录制、速记等服务支持。


    往期回顾 

    美团点评技术沙龙第1期:O2O技术架构与实践

    美团点评技术沙龙第2期:O2O算法与挖掘实践

    美团点评技术沙龙第3期:O2O实时数据仓库应用和数据治理实践

    美团点评技术沙龙第4期:海量存储之道

    美团点评技术沙龙第5期:前端技术综合应用实战

    美团点评技术沙龙第6期:O2O质量体系构建

    美团点评技术沙龙第7期:高并发下的实时O2O系统架构设计

    美团点评技术沙龙第8期:大规模集群的服务治理设计与实践

    美团点评技术沙龙第9期:外卖大数据 - 全链路应用揭秘

    美团点评技术沙龙第10期:数据库技术架构与实践

    美团点评技术沙龙第11期:移动端测试分享(上海)

    美团点评技术沙龙第12期:即时物流平台架构分享

    美团点评技术沙龙第13期:高效的终端开发架构及实战(厦门)

    美团点评技术沙龙第14期:美团背后的故事-你不知道的美团云

    美团点评技术沙龙第15期:高可用电商交易系统架构实战

    美团点评技术沙龙第16期:移动开发实践(上海)

    美团点评技术沙龙第17期:猫眼电影大数据应用揭秘

    美团点评技术沙龙第18期:高可用系统背后的基础架构

    美团点评技术沙龙第19期:千万日活量级 iOS 应用背后的技术

    美团点评技术沙龙第20期:美团点评运维自动化的理念和实践(上海)

    美团点评技术沙龙第21期:千万日订单背后的电商运维实战

    美团点评技术沙龙第22期:美团点评AI实践

    美团点评技术沙龙第23期:系统性能优化


    举报活动


    活动标签...


    最近参与...

    您还可能感兴趣...

    您有任何问题,在这里提问!

    全部讨论...

    活动地点查看大图

    活动主办方...更多

    美团点评技术团队

    美团点评技术团队

    美团点评技术团队是美团点评多个研发组织的统称,负责支撑和驱动美团点评多个业务的发展。本着开放、学习、共赢的心态,推出了“美团点评技术沙龙”。我们将邀请国内外互联网各领域的技术专家,每期或多期围绕一个技术主题进行系列分享交流活动,为中高级互联网技术从业者提供免费的开放的沟通交流环境及优质的技术内容。

    微信扫一扫,分享才精彩
    分享此活动到→
    微信朋友圈!