会议详情 菜单
2019互联网大数据与机器学习系统设计与实践(4月广州班)

2019互联网大数据与机器学习系统设计与实践(4月广州班)

2019-04-20 08:00 至 2019-04-21 18:00

广州  

麦思博(北京)软件技术有限公司(msup)   

立即报名

优惠信息:

发票类型:增值税普通发票 增值税专用发票

-会议内容-

课程简介

随着智能时代(AI)的到来,数据量急剧增加,如何应用人工智能算法变得越来越有挑战,企业在规划和设计大数据和机器学习系统时,涉及到方方面面的知识点,可选的方案也很多,如何在各种各样,纷繁复杂的技术中构建最适合企业的智能机器学习系统,变成了一件极具挑战的事情。一个好的机器学习系统可以以最低的成本、更灵活的方式,满足企业用户需求。相反,糟糕的智能系统,不但花费了重金,而且算法及其工程架构过于复杂、过于笨重,效果不理想,线上故障不断,缺少灵活性差,将严重阻碍业务的发展。相信大家对大数据以及智能机器学习系统都有一定的认识,但结合业务场景如何在项目中落地实践,缺乏一些经验。

-主办方介绍-

 麦思博(北京)软件技术有限公司(msup) 麦思博(北京)软件技术有限公司(msup)

麦思博(msup)有限公司发源美国西雅图,2007年创办,是一家面向技术型组织的培训咨询机构,服务于技术团队的技能提升、软件工程的实际应用和产品品质的创新与超越。强调人员、技术、流程和管理的有机结合,注重角色岗位的技能提升与职业发展,以及技术团队复合管理与协作。每年超过1000家企业续单参与msup旗下公开课、工作坊、案例研究、国际游学等培训项目。

课程大纲

第一课:互联网大数据与机器学习之大数据知识原理篇

1.什么是大数据以及大数据应用场景是什么; 
2.大数据平台如何驱动业务持续增长;
3.大数据平台发展三个阶段是什么(What->Why->How);
4.大数据平台发展阶段一(What):是什么,快速描述业务,提供数据原材料;
5.大数据平台发展阶段二(Why):为什么,分析波动 root cause;
6.大数据平台发展阶段三(How):怎么做,数据化运营实践落地;

第二课:互联网大数据与机器学习之大数据总体架构篇

1.为什么要构建大数据平台;
2.大数据平台构建的目标与方案是什么;
3.大数据仓库如何建设(数据接入清洗/数据仓库表设计与ETL);
4.大数据平台化与产品化建设(ODS->DW->DM->APP);
5.大数据指标体系化、分析框架设计;
6.大数据平台建设的重难点实践;
7.我们的实践案例;

第三课:互联网大数据与机器学习之机器学习知识原理篇

1.机器学习是什么;
2.机器学习与人工智能、深度学习关系;
3.机器学习应用场景是什么;
4.机器学习分类;
5.机器学习评估指标;
6.机器学习常用数学知识;

第四课:互联网大数据与机器学习之机器学习算法篇

1.机器学习算法分类方法;
2.机器学习之监督学习算法;
3.机器学习之无监督学习算法;
4.机器学习之强化学习算法;
5.机器学习之迁移学习算法;
6.我们的实践案例;

第五课:互联网大数据与机器学习之机器学习流程篇

1.样本如何抽取;
2.如何做特征工程(特征提取,特征离散化,特征交叉等);
3.如何大规模高效离线训练 模型(训练集、测试集、验证集;评估指标AUC 等);
4.模型上线;
5.特征上线;
6.我们的实践案例;

第六课:互联网大数据与机器学习之机器学习平台发展篇

1.机器学习平台之小作坊生产模式;
2.机器学习平台之流水线生产模式;
3.机器学习平台之大规模机器学习模式;
4.机器学习平台之大规模深度学习模式;
5.我们实践案例;

第七课:互联网大数据与机器学习之机器学习关键技术篇

1.用户画像系统;
2.冷启动;
3.评测指标与系统;
4.ABTest平台;
5.我们的实践案例;

第八课:互联网大数据与机器学习之语言工具篇

1.python与scala如何选择;
2.spark使用及其性能优化;
3.hadoop使用及其使用优化;
4.redis使用及其使用优化;
5.elasticsearch使用及其使用优化;
6.我们实践案例;

第九课:互联网大数据与机器学习之机器学习案例篇(推荐系统线上工程架构设计与实践)

1.互联网大型系统架构演进(单体、水平分层、SOA、微服务架构);
2.推荐系统架构演进(石器时代、铁器时代、蒸汽时代);
3.我们的实践案例;

第十课:互联网大数据与机器学习之机器学习案例篇(推荐系统离线工程架构实践)

1.离线训练作坊模式(单机);
2.离线训练流水线模式(ODS、DW、DM、分布式训练、线上预测等/DataPipeline、T raining Pipeline、Model Serving);
3.离线训练平台化模式(服务众多业务线,每个业务线一键接入);
4.在线特征系统生产调度架构演进;
5.我们的实践案例;

第十一课:互联网大数据与机器学习之机器学习案例篇(推荐系统召回算法设计与实践)

1.商品主题模型;
2.商品物品词模型;
3.基于内容商品相似度模型;
4.基于用户行为的CF模型演进;
5.基于随机游走模型; 
6.实时召回模型;
7.我们的实践案例;

第十二课:互联网大数据与机器学习之机器学习案例篇(推荐系统排序算法设计与实践)

1.Al l In One阶段;
2.分层排序阶段;
3.人工权重阶段;
4.机器学习模型阶段;
5.实时模型阶段; 
6.我们的实践案例;

第十三课:互联网大数据与机器学习之机器学习案例篇(搜索系统工程以及召回排序算法设计与实践)

1.搜索系统工程架构演进;
2.搜索系统召回算法演进;
3.搜索系统排序算法演进;
4.我们的实践案例;

X.Sun

转转首席架构师

孙玄转转公司首席架构师/架构算法部负责人,前58集团技术委员会主席,高级系统架构师,“架构之美”公众号作者。擅长系统架构设计,大数据,机器学习等技术领域。代表公司多次参加Artificial Intelligence Conference、QCon、ArchSummit、SDCC、CCTC、DTCC、Top100、Strata+Hadoop World、WOT 等大会嘉宾演讲,并为《程序员》杂志撰稿2篇。前百度高级工程师,参与百度社区搜索部多个基础系统的设计与实现。毕业于浙江大学。

-会议门票-

会务费:6800元/人,包含两日参会,住宿交通自理。

会议标签:

互联网 大数据 机器学习

温馨提示
酒店与住宿: 异地参会客户请注意,为防止会议临时变动,建议您先与活动家客服确认参会信息,再安排出行与住宿事宜。
退款规则: 活动各项资源需提前采购,购票后不支持退款,可以换人参加。

相关会议

分享到

QQ好友 QQ空间 微博 ×