借助TensorFlow在CTR预估中快速落地DNN_AICon_李珂

在AICon北京2017大会上，【李珂】讲师做了《借助 TensorFlow 在 CTR 预估中快速落地 DNN》主题演讲，主要内容如下。

演讲简介：

DNN 是广告/推荐 CTR 预估的重要技术。在今年以前，企业要从 LR，FM 迁到 DNN 上时需要自己编写 DNN 的训练和实时预测代码。这种办法对算法团队的能力要求高，上线周期长，算法迭代的成本也高。今年年初 TensorFlow cluster 模式和 TensorFlow serving 为企业引入 DNN 提供了一个便捷的方案。当然在一个开源软件和一个能够稳定运行，支持快速算法迭代的生产系统之间还是存在着一个巨大的 gap 的。

本次分享将介绍 vivo 如何填补这个 gap，搭建一个每日能够稳定运行每日 3000 万日活，超百亿次预估的系统。其中的内容包括硬件选择（GPU or CPU，CPU 内存比）、TensorFlow 分布式方案的选择（Docker or Hadoop）、TensorFlow HA 方案的选择、TensorFlow 在训练大规模模型的坑（HDFS IO 等）、如何设计网络减少 DNN 的线上计算量、基于 serving 的线上预测服务的架构等。

听众受益

减少未来有意用 TensorFlow 进行大规模机器学习的听众踩的坑；
硬件选购的经验；
一些 CTR 预估中 DNN 的 trick。

讲师介绍：

李珂

vivo 互联网算法团队负责人

李珂，2010 年博士毕业于美国德州农工大学，主攻数据挖掘、统计学习方向。加入 vivo 前在华为大数据产品部任首席数据科学家，负责金融行业的数据挖掘解决方案设计和落地。加入 vivo 后组建了互联网业务的 AI 算法组，现在主要负责广告、推荐、搜索、NLP、图像算法。现在这些算法已广泛支撑 vivo 浏览器、应用商店、游戏中心、i 音乐等 APP。