请查收来自一线数据科学家和大数据工程师的实战经验 | IDP Meetup No.02 回顾

4月16日我们举行了IDP Meetup No.02，邀请到领先互联网企业的一线数据科学家和大数据工程师——腾讯赵喜生和领先金融科技公司李峰，分别从个性化推荐场景和大数据处理的角度分享AI开发生产平台在其日常工作中的实践和经验。同时，白海科技联合创始人兼技术负责人刘喆与大家探讨了编程辅助功能及其在IDP中的实现。

请各位小伙伴查收精彩内容回顾！

回顾1: 机器学习平台在个性化推荐中的实践

腾讯推荐中台架构师赵喜生，以个性化推荐为例，为我们分享了AI开发生产平台如何使得复杂模型的训练及业务应用更为高效。主要内容包括：

• 推荐中台的组织逻辑

• 数据—推荐特征处理：详细阐释了特征数据流和特征引擎架构

• 训练—高维系统CTR模型训练：包括典型CTR网络，分布式Gradient Descent，分布式训练原理及技术实现等

• 推理—低延时、高可用批量排序服务：包括推理引擎的介绍以及模型优化的具体方法

• 业务—可扩展的推荐运营：包括推荐使用的场景，通用推荐的实现方法以及推荐链路debug等。

• IDP的实战经验分享：以实际案例展示利用IDP进行推荐模型构建的整体流程

🎬直播回放：https://www.bilibili.com/video/BV1dY411A76n/

回顾2：大数据处理技术演进及工具选择

领先金融科技公司开发工程师李峰从大数据发展史的角度，详细阐述了大数据技术体系及其演进。具体内容包括：

• 大数据处理体系

• 数据处理体系架构

• 大数据处理体系中各模块技术和架构的具体剖析，包括：数据源接入、数据存储、集群调度、通用计算、任务调度、数据治理、数据安全等

• IDP在大数据处理中的易用性介绍

🎬直播回放：

https://www.bilibili.com/video/BV1t3411T79Q/

回顾3：IDP中的编程辅助实现

白海科技联合创始人兼技术负责人刘喆详细阐述了可极大提高开发人员效率的编程辅助功能的具体技术与实现，主要内容包括：

• vim/emacs 等老牌编辑器中代码补全的发展历程

• IDP Studio/vscode/intellJ 等现代 IDE 中代码补全的功能实现

• 代码补全各种组件的比较

• “人工智能”辅助下的“智能补全”的原理、技术难点以及最新发展进展

• IDE的基本组成及核心功能

• 什么是静态分析及其重要性

• 编程辅助中最重要的“代码补全”功能的详述

• IDP中代码补全的实现和使用体验演示

🎬直播回放：

https://www.bilibili.com/video/BV1ea411v74g/

【彩蛋环节】

本次分享PPT获取方式：关注公众号Baihai IDP，回复 IDP02 即可领取