共计 1029 个字符，预计需要花费 3 分钟才能阅读完成。
4 月 16 日咱们举办了 IDP Meetup No.02，邀请到当先互联网企业的一线数据科学家和大数据工程师——腾讯赵喜生和当先金融科技公司李峰，别离从个性化举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际和教训。同时，白海科技联结创始人兼技术负责人刘喆与大家探讨了编程辅助性能及其在 IDP 中的实现。
请各位小伙伴查收精彩内容回顾！（文末有彩蛋）
回顾 1: 机器学习平台在个性化举荐中的实际
腾讯举荐中台架构师赵喜生，以个性化举荐为例，为咱们分享了 AI 开发生产平台如何使得简单模型的训练及业务利用更为高效。次要内容包含：
- 举荐中台的组织逻辑
- 数据—举荐特色解决：具体阐释了特色数据流和特色引擎架构
- 训练—高维零碎 CTR 模型训练：包含典型 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：包含推理引擎的介绍以及模型优化的具体方法
- 业务—可扩大的举荐经营：包含举荐应用的场景，通用举荐的实现办法以及举荐链路 debug 等。
- IDP 的实战经验分享：以理论案例展现利用 IDP 进行举荐模型构建的整体流程
直播回放：https://www.bilibili.com/vide…
回顾 2：大数据处理技术演进及工具抉择
当先金融科技公司开发工程师李峰从大数据发展史的角度，具体论述了大数据技术体系及其演进。具体内容包含：
- 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分析，包含：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/vide…
回顾 3：IDP 中的编程辅助实现
白海科技联结创始人兼技术负责人刘喆具体论述了可极大进步开发人员效率的编程辅助性能的具体技术与实现，次要内容包含：
- IDE 的根本组成及外围性能
- 什么是动态剖析及其重要性
-
编程辅助中最重要的“代码补全”性能的详述
- vim/emacs 等老牌编辑器中代码补全的倒退历程
- IDP Studio/vscode/intelliJ 等古代 IDE 中代码补全的性能实现
- 代码补全各种组件的比拟
- “人工智能”辅助下的“智能补全”的原理、技术难点以及最新倒退停顿
- IDP 中代码补全的实现和应用体验演示
直播回放：https://www.bilibili.com/vide…
【彩蛋环节】
本次分享 PPT 获取形式：关注公众号 Baihai IDP，回复 IDP02 即可支付
正文完