京東技術開放日20期:AI系統架構與數據處理
2017年09月15日18:26

第1頁京東技術開放日20期:AI系統架構與數據處理

  京東的人工智能技術已經滲透到了其業務的各個方面,包括電商,金融,物流等場景。豐富的應用場景加上大量數據可以進行模型訓練,京東人工智能利用知識圖譜和機器學習的方式,為用戶提供最精準的商品推薦;在金融方面,用於智能投顧的風控和反欺詐;京東的無人車,無人機,無人倉也都應用到了人工智能技術。

  京東技術開放日是技術分享交流平台。 2017年京東技術開放日推出3.0版本,據天極網瞭解,本期的京東技術開放日,將首度向業界以專題的形式,分享京東在人工智能平台核心繫統架構與數據處理方面,積累的豐富的一線經驗。

  內容適合人群:3-5年工作經驗以上的資深工程師,人工智能,機器學習系統平台的搭建負責人與應用者,關注GPU,Tensorflow,Kubernetes,Docker,Spark,分佈式集群技術的一線技術骨幹。

  日程安排

  13:30-14:00 簽到

  14:00-14:45 京東人工智能平台的核心繫統架構解密 C 魯楠 京東高級工程師

  14:45-15:15 大規模視頻智能分析系統的應用與挑戰 -賴俊傑 NVIDIA 亞太地區高性能計算及Applied Deep Learning部門技術經理

  15:15-15:45 茶歇&自由交流

  15 : 45 -16 : 30 機器學習中的數據處理核心及場景化應用 C 武健 京東高級算法工程師

  16:30-17:15 Kubernetes在京東人工智能平台中的應用 C 範振 京東資深架構師

  17 : 15 - 18:00 OpenTalk

  18:00 活動結束

  講師&議題亮點

  嘉賓:翁誌,教授級高工,京東集團副總裁,京東集團AI 與大數據部負責人,專注於大數據技術、AI 技術及大型分佈式系統的研究和開發,擁有十多項美國技術專利。加入京東前曾先後就職於美國Sybase、Oracle、Earthlink、Google 等高科技公司。

  議題一:京東人工智能平台的核心繫統架構解密

  京東人工智能平台―登月,在系統的網絡的優化,GPU管理,存儲,日誌和監控等方面,積累了豐富的經驗。

  本議題將針對平台中為了分佈式算法框架能夠更好的適配底層集群,在集群之上建立的任務分發機製,使有些算法不能兼容集群的問題,在系統任務分發的環節中得以解決。

  另外,平台的底層容器化,應用部署的環境能夠更好的進行隔離,以及對GPU調度優化的經驗也會深入展開進行分享。

  講師:魯楠 京東高級工程師

  2015年加入京東,參與大數據系統穩定性與性能提升等多個公司級重點項目的研發工作,2016年開始參與數據挖掘平台和算法平台構建的相關工作。

  議題二:大規模視頻智能分析系統的應用與挑戰

  人工智能的一大挑戰是理解視頻的內容。應用非常的豐富:視頻審核,視頻廣告投放,自動駕駛汽車,等等。挑戰在於人工智能一般需要消耗大量的計算資源。尤其是對於實時視頻流的分析更是如此。面對這類問題的挑戰,我們除了在GPU硬件上不斷改進設計,提升芯片的處理能力之外,從軟件上我們特別設計了DeepStream SDK。DeepStream可以充分利用GPU上的硬件編解碼資源,以及通用計算資源, 並且能夠大大簡化跟加快視頻分析類應用的研發。

  講師:賴俊傑 NVIDIA 亞太地區高性能計算及Applied Deep Learning部門技術經理

  在清華大學電子工程系取得本科及碩士學位,於法國INRIA獲得博士學位,博士期間的主要的研究方向包括GPU架構研究及GPU性能分析模型。

  現在的工作重點在嚐試將機器學習/深度學習的最新技術,去解決計算機視覺,語音,推薦系統,遊戲等行業應用中遇到的實際問題。同時領導NVIDIA DeepStream SDK,image inference engine等軟件庫的開發工作。

  議題三:機器學習中的數據處理核心及場景化應用

  京東的業務系統中大量用到了機器學習和數據挖掘技術,大量的業務數據和交易數據,在人工智能平台中,通過清洗出特徵和標註數據進行處理。

  包括樣本采樣,樣本調權,異常點去除,特徵歸一化處理,特徵變化,特徵組合等過程,最終生成的數據供模型訓練使用。

  本議題將針對機器學習在應用場景中進行數據處理時遇到的各項挑戰,展開深入的剖析。

講師:武健 京東高級算法工程師

  曾參與新浪企業微博平台研發、加入京東後負責數據雲平台研發。目前與團隊一起開發京東登月機器學習平台,並作為支援金融智投項目的核心成員,為京東人工智能的應用服務及基礎算法平台做出了卓越貢獻。

  議題四:Kubernetes在京東人工智能平台中的應用

  Kubernetes作為容器集群管理工具,為應用平台提供了基於雲原生的微服務支援。也為容器集群架構升級,構建高效大規模計算體系提供了技術基礎。

  京東人工智能平台作為一個大規模集群化的平台設施,充分利用Kubernetes負載均衡調度,秒級擴容縮容,任務失敗自動重啟等優勢,實現了Kubernetes調度一切,包括錯峰調度在線,離線應用,提升機器資源利用率和降低基礎設施成本。本次議題中將重點分享Kubernetes在京東人工智能平台中豐富的應用經驗。

講師:範振 京東資深架構師

  2014年加入京東,負責基礎平台架構開發工作;是京東CDN項目,DDOS二期項目、反比價項目、機器學習平台基礎平台項目的負責人。

  不僅主導設計和開發了以上公司級別的重大項目,而且在高性能服務器、大數據領域也有著豐富的經驗和獨特的見解。

  本期內容適合人群:3-5年工作經驗以上的資深工程師,人工智能,機器學習系統平台的搭建負責人與應用者,關注GPU,Tensorflow,Kubernetes,Docker,Spark,分佈式集群技術的一線技術骨幹。

關注我們Facebook專頁
    相關新聞
      更多瀏覽