过去短短的3年多时间，深度学习从图像/语音等领域席卷进入了互联网，迅速掀起了轩然大波，引发了包括广告/推荐/搜索等在内的工业级应用技术的全面革新。深度学习不仅仅是一种技术，更是一种思想和方法论。它引发了涵盖算法建模范式、模型训练框架、在线服务引擎等在内的新一轮全链路技术升级，已经深刻影响并进一步催生了新技术的持续创新。

本次分享，我将以深度学习在阿里广告技术的实践为例，具体阐述在工业级规模应用上我们对算法演化的思考和成果；算法的爆发式创新强烈地驱动了对基础设施的挑战，我也会简单分享我们去年开源的工业级深度学习框架X-DeepLearning(简称XDL)，以及在XDL基础上进一步构建的实时流式深度学习系统、面向大规模稀疏深度模型的实时高性能推理引擎协同优化等技术。    

提纲：

1. 以推荐类广告排序模型为例，介绍在工业级稀疏数据场景下，深度学习算法的演化思路

2. 介绍支撑算法迭代的流式系统、架构，以及围绕着工业级模型的生产化进行的算法系统Co-design优化