聚合国内IT技术精华文章,分享IT技术精华,帮助IT从业人士成长

推荐系统如何大幅降本提效,同时保证业务效果无损?|QCon

2022-03-15 10:48 浏览: 2369421 次 我要评论(0 条) 字号:

围绕着 AI 这个大命题,去年,QCon 全球软件开发大会(上海站)2021,策划了「算力革新」「未来数字世界」「人工智能前沿技术」三个专题,带领大家从底层的芯片、GPU、CPU,到多种算法模型,再到迈向元宇宙时代的数字人、三维建模技术等最上层的前沿应用,领略了 AI 在工业界的发展。

今年的北京站,我们的 AI 之路会怎么走?其实整个大思路是没有变的,依然是从下至上,即「AI 的底层基础设施」「ML 模型效率及易用性」「AI 应用」。AI 在各行各业的应用不需多说,这次,我们想重点与你讨论下前面两个命题,为什么是它们?

因为,我们认为,AI 落地的关键,不是多先进的模型和算法,而是工程。经历了最早期的快速发展,现阶段的 AI 工程转向关注效率和易用性。比如,针对推荐系统这种最常见的 AI 技术,它已经成为了众多互联网公司的核心技术,支撑着电商、长短视频、Feed 流、推荐广告等多种业务场景,而它其实也是消耗算力最多的地方。那么针对这样的 AI 系统,要如何大幅降本提效,并且能同时保证业务效果无损,还能提升各种 ROI?在工程优化的过程中,是否有新的思想可以借鉴,比如 DDD?

基础不牢,地动山摇,有了坚实的底层基础,上层的应用才能更加稳定可靠,这是我们本次重点关注 AI 基础架构的变革的初衷。伴随着人工智能在各行各业的深入应用,其所需的算力日益增多,对性能的要求也越来越高,相对应的,底层的 AI 基础架构就必须跟着一起升级,才能满足以上要求。因此,业界诞生了为 AI 所生的数据库、数据湖,使得特征工程以及机器学习模型可以更快更好地上线。

2022 年 5 月 12-14 日,QCon 全球软件开发大会落地北京,以此思路我们设置了「AI 基础架构」与「ML 模型效率与易用性」专题,邀请腾讯应用架构和机器学习平台部技术负责人潘欣、第四范式研发副总裁、基础技术负责人郑曌等在 AI 应用业务经验丰富的专家,聚焦 AI 基础设施变革以及 AI 工程的效率和易用性,共同探讨交流。

专题演讲方向可点击底部【阅读原文】查看。QCon 北京站现场门票火热售卖中,8 折倒计时即将结束,感兴趣的同学扫描图中二维码或可以直接联系票务经理咨询:13269078023(同微信)。

点个在看少个 bug 



网友评论已有0条评论, 我也要评论

发表评论

*

* (保密)

Ctrl+Enter 快捷回复