隨著深度學習技術近年來快速發展,高效、易用的機器學習平台對於互聯網公司愈發重要,一個高效的機器學習平台可以為公司提供更好的人工智能算法研發方麵的支持,減少內部重複性、提升資源利用率、提高整體研發效率。
滴滴出行資深軟件工程師唐博在機器學習技術分論壇上分享了kubernetes調度係統在滴滴機器學習平台中的落地與二次開發。本次演講從滴滴機器學習平台的特點開始探討,分享了滴滴機器學習場景下的 k8s 落地實踐與二次開發的技術實踐與經驗,包括平台穩定性、易用性、利用率、平台 k8s 版本升級與二次開發等內容。此外,唐博還介紹了滴滴機器學習平台是如何從 YARN 遷移到 k8s,以及 YARN 的二次開發與 k8s 的對比等。最後,唐博還分享了滴滴機器學習平台正在研發中的功能以及對未來的展望。本文為演講實錄。
《滴滴機器學習平台kubernetes落地與實踐》,大概分四個部分:
一、滴滴機器學習平台簡介,二、平台調度係統的演進,三、機器學習場景下的k8s落地實踐與二次開發,四、平台正在開發的功能及未來展望。
機器學習就是通過經驗來尋找它學習的模式,而人工智能是利用經驗來獲取知識和技能,並將這些知識應用於新的環境
神經形態結構融合學習和記憶功能領域的研究主要集中在人工突觸的可塑性方麵,同時神經元膜的固有可塑性在神經形態信息處理的實現中也很重要
針對結算收銀場景中商品識別的難點,從商品識別落地中的模型選擇、數據挑選與標注、前端和雲端部署、模型改進等方麵,進行了深入講解
通過分析其中的關鍵問題,建立了新熱內容曝光敏感模型,並最終給出一種曝光資源約束下的多目標優化保量框架與算法
優酷推薦業務,算法應用場景眾多,需求靈活多變,需要一套通用業務框架,支持運行時的算法流程的裝配,提升算法服務場景搭建的效率
餓了麼算法專家劉金介紹推薦業務背景,包括推薦產品形態及算法優化目標;然後是算法的演進路線;最後重點介紹在線學習是如何在餓了麼推薦領域實踐的
杜克大學的一種 AI 算法PULSE可以將模糊、無法識別的人臉圖像轉換成計算機生成的圖像,其細節比之前任何時候都更加精細、逼真
能快速將現有算法在實際生產環境落地,並能利用GPU加速實現大規模計算,我們自己搭建了一個GPU加速的大規模分布式機器學習係統,取名小諸葛
人類可以通過視覺和觸覺融合感知快速確定抓取可變形物體所需力的大小,以防止其發生滑動或過度形變,但這對於機器人來說仍然是一個具有挑戰性的問題
在底層通過使用基於模型的操作單元,保證了手指與物體之間持續穩定的抓取;在中層使用強化學習進行規劃,從而實現較長和複雜的手內操作流程
中科院沈陽自動化所的Wang利用深度強化學習算法和視覺感知相結合的方法來完成移動機器人在非結構環境下的移動操作
德國伯恩大學計算機學院研製的遙操作輪腿複合的移動操作機器人可通過遠程操作平台完成各種複雜操作任務