专题演讲嘉宾：王华峰

搜索和推荐是当今各大互联网公司进行商业活动的最主要承载者，以淘宝为例，每天都有海量的用户通过淘宝这个平台进行购物，随之会实时生成海量的用户行为：搜索、浏览、点击、加购、购买等，如何高效实时的收集、加工处理这些海量的数据，并且准确快速的被在线系统学习到用户瞬息万变的行为，最终及时的调整线上算法模型，推荐用户更合适的商品，成为了各公司所面临的挑战。

本次演讲将提出一种新型的深度学习个性化推荐系统架构，基于 Flink 流处理框架，降低整个训练、推理阶段的延迟，再通过引入一个基于 HSAP（Hybrid Serving/Analytical Processing）理念设计的实时数仓，大大简化整个实时推荐系统的架构，进而降低整个链路的运维成本以及存储成本。

演讲提纲：

1. 经典离线推荐系统简介
   • 经典离线推荐系统架构
   • 经典离线推荐系统的不足
2. Flink 流处理框架简介
3. HSAP（Hybrid Serving/Analytical Processing）理念介绍
   • HSAP 理念的出现背景
   • HSAP 的架构设计及应用场景
4. 新型的深度学习个性化推荐系统架构介绍
   • 实时特征计算与实时推理
   • 实时特征拼接
   • 实时模型训练
5. 未来展望

你将获得：

1. 了解 HSAP 数仓的设计理念
2. 为实时个性化推荐系统架构提供新的思路