隨著(zhù)深度學(xué)習技術(shù)近年來(lái)快速發(fā)展，G效、易用的機器學(xué)習平臺對于互聯(lián)網(wǎng)公司愈發(fā)重要，一個(gè)G效的機器學(xué)習平臺可以為公司提供更好的人工智能算法研發(fā)方面的支持，減少內部重復性、提升資源利用率、提G整體研發(fā)效率。
滴滴出行資深軟件工程師唐博在機器學(xué)習技術(shù)分論壇上分享了kubernetes調度系統在滴滴機器學(xué)習平臺中的落地與二次開(kāi)發(fā)。本次演講從滴滴機器學(xué)習平臺的特點(diǎn)開(kāi)始探討，分享了滴滴機器學(xué)習場(chǎng)景下的 k8s 落地實(shí)踐與二次開(kāi)發(fā)的技術(shù)實(shí)踐與經(jīng)驗，包括平臺穩定性、易用性、利用率、平臺 k8s 版本升級與二次開(kāi)發(fā)等內容。此外，唐博還介紹了滴滴機器學(xué)習平臺是如何從 YARN 遷移到 k8s，以及 YARN 的二次開(kāi)發(fā)與 k8s 的對比等。后，唐博還分享了滴滴機器學(xué)習平臺正在研發(fā)中的功能以及對未來(lái)的展望。本文為演講實(shí)錄。
《滴滴機器學(xué)習平臺kubernetes落地與實(shí)踐》，大概分四個(gè)部分：
一、滴滴機器學(xué)習平臺簡(jiǎn)介 ，二、平臺調度系統的演進(jìn)， 三、機器學(xué)習場(chǎng)景下的k8s落地實(shí)踐與二次開(kāi)發(fā)， 四、平臺正在開(kāi)發(fā)的功能及未來(lái)展望。
機器學(xué)習就是通過(guò)經(jīng)驗來(lái)尋找它學(xué)習的模式，而人工智能是利用經(jīng)驗來(lái)獲取知識和技能，并將這些知識應用于新的環(huán)境
神經(jīng)形態(tài)結構融合學(xué)習和記憶功能L域的研究主要集中在人工突觸的可塑性方面，同時(shí)神經(jīng)元膜的固有可塑性在神經(jīng)形態(tài)信息處理的實(shí)現中也很重要
針對結算收銀場(chǎng)景中商品識別的難點(diǎn)，從商品識別落地中的模型選擇、數據挑選與標注、前端和云端部署、模型改進(jìn)等方面，進(jìn)行了深入講解
通過(guò)分析其中的關(guān)鍵問(wèn)題，建立了新熱內容曝光敏感模型，并終給出一種曝光資源約束下的多目標優(yōu)化保量框架與算法
優(yōu)酷推薦業(yè)務(wù)，算法應用場(chǎng)景眾多，需求靈活多變，需要一套通用業(yè)務(wù)框架，支持運行時(shí)的算法流程的裝配，提升算法服務(wù)場(chǎng)景搭建的效率
餓了么算法專(zhuān)家劉金介紹推薦業(yè)務(wù)背景，包括推薦產(chǎn)品形態(tài)及算法優(yōu)化目標；然后是算法的演進(jìn)路線(xiàn)；后重點(diǎn)介紹在線(xiàn)學(xué)習是如何在餓了么推薦L域實(shí)踐的
杜克大學(xué)的一種 AI 算法PULSE可以將模糊、無(wú)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(shí)候都更加精細、逼真
能快速將現有算法在實(shí)際生產(chǎn)環(huán)境落地，并能利用GPU加速實(shí)現大規模計算，我們自己搭建了一個(gè)GPU加速的大規模分布式機器學(xué)習系統，取名小諸葛
人類(lèi)可以通過(guò)視覺(jué)和觸覺(jué)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(fā)生滑動(dòng)或過(guò)度形變，但這對于機器人來(lái)說(shuō)仍然是一個(gè)具有挑戰性的問(wèn)題
在底層通過(guò)使用基于模型的操作單元，保證了手指與物體之間持續穩定的抓��；在中層使用強化學(xué)習進(jìn)行規劃，從而實(shí)現較長(cháng)和復雜的手內操作流程
中科院沈陽(yáng)自動(dòng)化所的Wang利用深度強化學(xué)習算法和視覺(jué)感知相結合的方法來(lái)完成移動(dòng)機器人在非結構環(huán)境下的移動(dòng)操作
德國伯恩大學(xué)計算機學(xué)院研制的遙操作輪腿復合的移動(dòng)操作機器人可通過(guò)遠程操作平臺完成各種復雜操作任務(wù)
