在QCon广州2019大会上，唐溪柳讲师做了《腾讯广告高可用的深度学习技术架构（上）》主题演讲，主要内容如下。
演讲简介：
由特征工程、训练平台、线上 Serving 组成的深度学习技术架构，Serving 腾讯广告海量请求，缩短深度学习模型调参周期，加快模型上线速度。
内容大纲：
项目背景：深度学习技术平台助力腾讯广告技术全面转向深度模型；
技术方案：
构建特征工程、训练平台、线上 Serving 系统边界；
特征工程优化特征存储，促进特征共享；
训练平台建模 API 屏蔽模型训练技术细节，将建模配置化；
建设通用模型服务 Serving 集群，优化 Latency 与系统稳定性。
听众受益：
了解构建生产环境深度学习平台的三个重要环节：特征工程、训练平台与 Serving 集群；
对 Tensorflow 进行若干技术改进用于稀疏特征的端到端训练；
广告或推荐系统应用深度学习技术的技术要点。
讲师介绍：
唐溪柳
腾讯广告 总架构师/T4 专家
目前主要负责腾讯广告系统技术架构，关注算法和架构设计。在深度学习系统技术、检索系统、分布式网络服务、语言模型、大数据处理等方向有比较深入的了解。2012 年加入腾讯广告，主导了腾讯广告检索系统、海量数据分析系统、深度学习系统的架构设计与开发工作。
完整演讲 PPT 下载链接：
https://qcon.infoq.cn/2019/guangzhou/schedule
中国开发者画像洞察研究报告 2024
分析开发者的行为模式、工作价值、职业发展等内容，帮助整个行业生态更深入地理解开发者，为他们提供更精准...
云原生时代如何实现真正的业务可观测
大模型时代数据库技术创新
字节跳动引领微服务革新：Serverless 架构演进与实践
评论