现在很多互联网公司都有自己的机器学习平台，冠以之名虽然形形色色，但就平台所要解决的问题和技术选型基本还是大同小异。所谓大同是指大家所要处理的问题都相似，技术架构和选型也差不太多，比如都会使用 GPU 集群、采用 Spark 或 K8s 平台等。所谓小异是指各家规模不同，各家都在结合自己的情况、所处的阶段并根据自己的特点解决平台化的问题。

滴滴机器学习平台的治理思路主要是：减少重复、提高效率。在即将到来的AICon全球人工智能与机器学习技术大会（北京站）2019上，我们邀请到了来自滴滴的高级专家算法工程师陈欢老师，带来《滴滴搜索系统的深度学习演进之路》的相关内容分享。

他将介绍滴滴搜索的技术框架和用深度学习技术升级滴滴搜索引擎的演进过程。他们对搜索引擎的全流程模块都进行了深度学习技术升级，包括查询词改写、检索召回和排序。在这个技术演进的过程中他们突破了许多工程落地的困难，同时他们结合出行场景特性对这些模块进行了效果优化，相信其中的难点突破、创新设计对大家会有帮助。

内容大纲

搜索概述
如何用机器学习实现查询词改写
如何用深度学习实现相关性模型
检索召回排序的技术演进

听众收益

了解深度学习在搜索领域的应用
了解相关性模型的近几年进展
了解深度学习在工业界落地的挑战和解决方案

嘉宾介绍
陈欢，滴滴出行高级专家算法工程师，地图事业部检索策略组负责人，负责POI搜索和推荐技术的研发。曾就职于微软，从事图片、视频搜索和推荐研发工作。2016年加入滴滴，专注于出行场景的搜索推荐技术，曾带领团队把部门工作发表于人工智能顶级会议AAAI。

更多人工智能技术相关案例，欢迎点击AICon北京2019官网查看。

创作场景

滴滴搜索系统的深度学习演进之路