地点：第二会议厅A
News Feed 是用户进入知乎的第一个页面，也是知乎最大的流量入口之一。从 2016 年年底开始，我们使用机器学习技术对知乎的 News Feed 进行了改进，期间经历了 Edge Rank - Learning to Rank - DNN 模型推荐等阶段，并且取得了不错的成果：News Feed 的正向交互率提升了100%，用户在 Feed 页的停留时长上升了 40%。本次分享，我将会从产品和技术等方面向大家阐释我们过去一年内所做的改进，包括我们在构建用户画像系统、首页的推荐和排序模块中遇到的一些技术问题和解决方法。
1. 了解知乎 News Feed 的技术架构；
2.了解知乎 News Feed 推荐和排序的技术体系，以及知乎如何利用机器学习技术提高信息的分发效率。
电商平台中，个性化推荐是提高用户购物体验的关键组件。作为国美在人工智能领域的重要试金石，“推荐系统如何做好算法的持续部署”是一个非常有挑战性的问题。本次分享以国美推荐引擎提升自身训练和决策能力的升级历程为主线，介绍了流式计算引擎、特征多级存储系统、机器学习算法的演进、A/B测试系统、算法和特征的双链路监控、深度学习模型的实践部署等内容。同时还探讨了国美在人工智能领域未来的发力点。
1.了解国美个性化推荐系统的特点；
2.了解算法持续部署的关键问题；
3.了解特征存储系统的重要性。
本次讲座主要探讨深度学习在直播推荐中的应用。与传统推荐系统不同，基于深度学习的推荐系统通过深度网络学习并提取多层次的特征，可将直播的节目和用户中的隐藏特征自动化的提取、关联、抽象出来。加之深度模型的使用可大大节约像特征工程对特征提取的巨大投入，同时满足快速训练、迭代等实时性要求。
我主要会从推荐系统的两个关键技术点：召回和排序，来讲解深度学习模型的应用，包括推荐召回中的标签提取，结果排序中的CTR预估等方面，探讨深度神经网络在自然语言处理和CTR预估领域中的优势与挑战，以及深度推荐系统的前景与发展。
电子商务网站在当今人们的生活中扮演举足轻重的角色。根据中国电子商务研究中心最近发布的报告显示2017年上半年电子商务交易额达到13.35万亿元，其中网络零售市场交易额3.1万亿元 。各类电子商务网站兴起和发展都为今天高速发展的中国经济以及日新月异的消费市场提供了越来越广阔的平台。今天，人们已经从简单的希望能够通过电子商务网站买到称心如意的商品发展到了希望通过电子商务网站这一扇窗口了解更加丰富的人生，提升自己的生活品质。
“搜索”作为电子商务网站必不可少的功能模块不仅是用户寻找满意商品的入口，也是这些网站能够保持用户长期互动的必要手段。如何能够构建一个有效的搜索功能是一个电子商务网站的“必修课”。我将在今天的分享中谈一谈如何利用人工智能技术来建立一个数据驱动的智能搜索功能，为电子商务网站实现从引导点击率到用户长期行为优化的技术提升。
1.了解一个完整的数据驱动的现代人工智能产品理念；
2.了解一个电子商务网站的搜索模块和传统搜索模块的区别；
3.了解如何利用现代机器学习模型来优化电子商务网站搜索功能。
