美图最新技术解读,不容错过
议题一
美拍个性化深度排序模型
Factorization based Deep Models for Personalized Intelligence
议题简介
近年来短视频生态高速发展,随着短视频创作流程的创新,越来越多的优质视频被呈现给用户, 在这种互联网新媒体平台的背景下,如何通过神经网络(DNN),“深度”得理解用户的兴趣偏好, 从海量的内容生态中为用户去做甄选?本次分享将介绍如何优化深度排序模型来构建这样的一个低延时的个性化服务。这样的模型,足够“深”,同时也足够“快”,一方面能够充分的理解用户的行为模式,捕捉个性化。另一方面能够保证高效的模型推理效率,避免不合理的延时响应。
分享嘉宾
蒋文瑞
美图公司
高级算法工程师
硕士毕业于厦门大学。曾就职于HTC(北京)大数据研发中心高级算法工程师,及秭云科技(上海)有限公司产品经理。主要研究领域集中于容器云服务架构、深度学习并行化框架、深度模型(有监督与无监督、卷积CNN与长短程LSTM)与医疗大数据创新服务,目前在美图云大数据与AI部的个性化智能组,负责推荐业务排序相关模块。
分享资料节选
以下为分享ppt部分内容(本公众号回复“机器学习”下载完整ppt)
议题二
美拍视频聚类实践
议题简介
在个性化推荐系统中,经常是通过挖掘物品的属性去理解用户的兴趣,从而构建推荐模型。从用户的行为去理解物品的属性往往做得比较简单,通常只是一些简单的标签统计。为了更深入从用户行为去理解内容,美拍利用用户的点击、播放行为对视频的内容进行聚类,一方面打破了从视觉角度去理解视频内容的限制,另一方面可以挖掘出非人工总结的分类知识,从而提升个性化推荐的效果。
本次分享将会介绍基于用户行为的视频聚类方案,探讨视频聚类在美拍推荐系统中的一些实践,希望可以给大家带来一些启发。
分享嘉宾
白杨
美图公司
高级算法工程师
2017年作为高级算法工程师加入美图云事业部。曾参与人工智能客服研发、知识图谱构建,具有4年的机器学习算法实际落地经验,对于聚类在各领域的应用有丰富的研发和优化经验。目前在美图云大数据与AI部的个性化智能组,负责美拍视频聚类的研发以及聚类在个性化推荐系统的应用。
分享资料节选
以下为分享ppt部分内容(本公众号回复“机器学习”下载完整ppt)
议题三
数据结构在优化问题中的应用
议题简介
生活中,优化问题随处可见,如最小化行程时间,最大化投资收益。随着数据规模的扩大和考量因素(不确定性,商业因素)的增多,求解时间也随之大幅增加。本报告将通过两个商业案例简单介绍常见的优化问题及相关解法,然后从经济学的角度来提出新的目标函数,并详细探讨数据结构对求解过程的加速效果,以及新目标函数的表现。
分享嘉宾
张真真
新加坡国立大学工业工程系
助理教授
博士毕业于中国香港城市大学商学院,研究领域包括离散优化,鲁棒优化及多目标优化等,在国际顶级期刊Transportation Science,Transportation Research Part B等发表论文数十篇,并长期担任众多知名期刊的特邀评审员。同时,重视科研与项目的协同效应,参与解决飞利浦的运输采购,中国香港医院的救护车调度等问题。
分享资料节选
以下为分享ppt部分内容(本公众号回复“机器学习”下载完整ppt)
关注“美图技术”,回复“机器学习”,获取完整PPT
更
多
干
货
请长按右边二维码
公众号ID
meitu_tech
领取专属 10元无门槛券
私享最新 技术干货