隨著深度學(xué)習(xí)技術(shù)近年來快速發(fā)展，高效、易用的機器學(xué)習(xí)平臺對于互聯(lián)網(wǎng)公司愈發(fā)重要，一個高效的機器學(xué)習(xí)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(nèi)部重復(fù)性、提升資源利用率、提高整體研發(fā)效率。
滴滴出行資深軟件工程師唐博在機器學(xué)習(xí)技術(shù)分論壇上分享了kubernetes調(diào)度系統(tǒng)在滴滴機器學(xué)習(xí)平臺中的落地與二次開發(fā)。本次演講從滴滴機器學(xué)習(xí)平臺的特點開始探討，分享了滴滴機器學(xué)習(xí)場景下的 k8s 落地實踐與二次開發(fā)的技術(shù)實踐與經(jīng)驗，包括平臺穩(wěn)定性、易用性、利用率、平臺 k8s 版本升級與二次開發(fā)等內(nèi)容。此外，唐博還介紹了滴滴機器學(xué)習(xí)平臺是如何從 YARN 遷移到 k8s，以及 YARN 的二次開發(fā)與 k8s 的對比等。最后，唐博還分享了滴滴機器學(xué)習(xí)平臺正在研發(fā)中的功能以及對未來的展望。本文為演講實錄。
《滴滴機器學(xué)習(xí)平臺kubernetes落地與實踐》，大概分四個部分：
一、滴滴機器學(xué)習(xí)平臺簡介 ，二、平臺調(diào)度系統(tǒng)的演進(jìn)， 三、機器學(xué)習(xí)場景下的k8s落地實踐與二次開發(fā)， 四、平臺正在開發(fā)的功能及未來展望。
機器學(xué)習(xí)就是通過經(jīng)驗來尋找它學(xué)習(xí)的模式，而人工智能是利用經(jīng)驗來獲取知識和技能，并將這些知識應(yīng)用于新的環(huán)境
神經(jīng)形態(tài)結(jié)構(gòu)融合學(xué)習(xí)和記憶功能領(lǐng)域的研究主要集中在人工突觸的可塑性方面，同時神經(jīng)元膜的固有可塑性在神經(jīng)形態(tài)信息處理的實現(xiàn)中也很重要
針對結(jié)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(shù)據(jù)挑選與標(biāo)注、前端和云端部署、模型改進(jìn)等方面，進(jìn)行了深入講解
通過分析其中的關(guān)鍵問題，建立了新熱內(nèi)容曝光敏感模型，并最終給出一種曝光資源約束下的多目標(biāo)優(yōu)化保量框架與算法
優(yōu)酷推薦業(yè)務(wù)，算法應(yīng)用場景眾多，需求靈活多變，需要一套通用業(yè)務(wù)框架，支持運行時的算法流程的裝配，提升算法服務(wù)場景搭建的效率
餓了么算法專家劉金介紹推薦業(yè)務(wù)背景，包括推薦產(chǎn)品形態(tài)及算法優(yōu)化目標(biāo)；然后是算法的演進(jìn)路線；最后重點介紹在線學(xué)習(xí)是如何在餓了么推薦領(lǐng)域?qū)嵺`的
杜克大學(xué)的一種 AI 算法PULSE可以將模糊、無法識別的人臉圖像轉(zhuǎn)換成計算機生成的圖像，其細(xì)節(jié)比之前任何時候都更加精細(xì)、逼真
能快速將現(xiàn)有算法在實際生產(chǎn)環(huán)境落地，并能利用GPU加速實現(xiàn)大規(guī)模計算，我們自己搭建了一個GPU加速的大規(guī)模分布式機器學(xué)習(xí)系統(tǒng)，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(fā)生滑動或過度形變，但這對于機器人來說仍然是一個具有挑戰(zhàn)性的問題
在底層通過使用基于模型的操作單元，保證了手指與物體之間持續(xù)穩(wěn)定的抓�。辉谥袑邮褂脧娀瘜W(xué)習(xí)進(jìn)行規(guī)劃，從而實現(xiàn)較長和復(fù)雜的手內(nèi)操作流程
中科院沈陽自動化所的Wang利用深度強化學(xué)習(xí)算法和視覺感知相結(jié)合的方法來完成移動機器人在非結(jié)構(gòu)環(huán)境下的移動操作
德國伯恩大學(xué)計算機學(xué)院研制的遙操作輪腿復(fù)合的移動操作機器人可通過遠(yuǎn)程操作平臺完成各種復(fù)雜操作任務(wù)
