活动基本信息

活动流程表

讲师介绍

杨一帆

美团点评技术专家, 点评平台技术部搜索排序组负责人。

毕业于华中科技大学互联网中心，在腾讯TEG参与过工作流架构开发。

13年初加入原点评算法团队，先后参与过用户画像、CPM广告、团购搜索、智慧销售等算法相关项目。

目前在美团点评 点评平台搜索推荐智能技术中心，负责搜索排序、在线学习平台、机器学习平台相关工作。

演讲议题介绍：

美团点评作为中国最大的本地生活服务平台，有着丰富的用户行为和产品形态。

为了帮助用户更快更准地找到其感兴趣的商户、优惠、内容、达人等信息，美团点评搜索推荐团队进行了大量的机器学习实践工作。

本次分享主要介绍如何从机器学习实践过程中不断总结经验，搭建集数据处理、特征工程、模型训练、打分预测、实时监控、在线学习等步骤为一体的机器学习平台WAI，以及该平台如何赋能业务不断优化搜索推荐用户体验

徐辉

本硕毕业于同济大学，毕业后在招商银行使用算法大幅提高推送营销效率，后于2016.7加入饿了么，负责各个核心流量入口的搜索排序工作。在一年多的时间里，先后迭代了LR，GBDT，DNN等模型，对于机器学习在排序中的使用，有较为深刻的理解。

演讲议题介绍：

深度学习目前在语音，图像，文字等领域有较为广泛的使用，并且带动了大批新的可用商业模式。在互联网更常见的排序邻域（CTR，CVR预估等）， 头部公司也将其研究发表为论文（譬如google的Wide&Deep，YouTube的深度模型等），饿了么在借鉴以上论文的思路后，在主流程中加入了深度学习，用以提高转化率，也积累了一些经验。

此次议题将涉及饿了么在主要排序流程中采用深度学习优化的案例，就特征生成，线下模型训练，线上预测等方面进行讲解和沟通。

刘金

2016年底加入饿了么搜索推荐算法组，主要负责实时化技术在搜素推荐业务排序场景中的应用，包括实时化特征、模型在线学习、实时算法效果监控、实时策略调控等。之前在阿里巴巴从事大数据平台、数据产品相关的工作。

演讲议题介绍：

O2O外卖场景下，用户需求与行为、商家经营指标等在不同场景、不同天气、不同地域都有比较显著的区别，用传统的离线建模方式去匹配用户和商户时，很可能与实际生产数据产生偏差，模型不能及时反馈线上数据分布的变化。而实时化技术的引入，至少可以从特征和模型两个层面去更实时拟合线上数据，达到更精准分配流量的目的，提升整体用户体验与平台流量效率。

本次分享会介绍实时化技术在饿了么搜索推荐业务中的几个应用案例，主要包括实时特征的构建、在线学习模型的迭代过程、算法A/B Test 的实时效果监控与对比等。

梁东

2012年硕士毕业于华中科技大学，从人人网的通用搜索服务架构开发与实践，到13年底加入百度地图继续从事数据架构和搜索方向的工作，主要包括从无到有实现百度外卖第一版搜索服务和后续的高可用性改造。

演讲议题介绍：

作为百度外卖的入口服务，搜索的高稳定高可用性要求非常严格。本次分享将介绍百度外卖搜索服务的现状和发展历程；重点介绍百度外卖搜索高可用性服务实践上的难点和挑战。