您查看的活动已结束

活动信息

英特尔AI实践日 是英特尔出品，涵盖云端到终端，通用CPU到异构XPU的一系列人工智能实践分享。该分享系列，由英特尔的技术专家、合作伙伴从实际应用案例中精选经典的设计及优化实例作为蓝本精心制作，并担任分享嘉宾。内容详实丰富，既包括前沿技术介绍和演示，也提供动手实操和练习项目。

本期我们邀请了阿里巴巴专家丁辰为大家介绍DeepRec引擎在分布式、图、Runtime等方面的优化工作，以及搜索、推荐、广告场景中的Embedding的各种功能。DeepRec(PAI-TF)是阿里巴巴集团开源的大规模稀疏模型训练/预测引擎（https://github.com/alibaba/DeepRec），广泛应用于淘宝、天猫、阿里妈妈、高德、淘特等，支撑着千亿特征、万亿样本的超大规模稀疏训练。

活动安排

议题介绍

议题一：使用Intel BigDL2.0为pytorch/tensorflow/deeprec人工智能应用加速-邓珺玮

人工智能应用在各行业已经拥有了成功的使用案例，并取得了更优秀的业务指标。但人工智能应用通常所需计算资源较多，运行速度慢，限制了模型的开发，迭代以及部署时的速度；英特尔BigDL2.0提供了统一的AI大数据架构，并为AI应用在CPU上的加速给出了解决方案：bigdl-nano项目无缝式的模型训练与推理加速帮助用户在不改动或改动很少代码的情况下取得显著的加速。本次分享中将会展示bigdl-nano的使用方法以及在多个使用案例中的效果。

邓珺玮，Intel人工智能框架工程师。他目前专注于BigDL大数据与人工智能平台上对自动机器学习, 机器学习框架性能加速组件以及时间序列分析框架的研发。他曾在NIPS，WSDM等人工智能会议上发表论文。在加入intel之前，他分别在密歇根大学安娜堡分校和上海交通大学获得了硕士与学士学位。

议题二：DeepRec：大规模稀疏模型训练/预测引擎-丁辰

作为阿里巴巴集团统一的稀疏模型业务场景的训练/预测引擎，支持了淘宝搜索、猜你喜欢、定向广告、直通车广告等核心业务，支撑着千亿特征、万亿样本超大规模的稀疏训练。积累了核心的稀疏场景的功能及性能优化。针对稀疏模型在分布式、图优化、算子、Runtime等方面进行了深度的性能优化，同时提供了稀疏场景下特有的Embedding相关的功能。

丁辰 ，阿里云计算平台事业部PAI技术专家。长期从事机器学习平台/深度学习框架的研发工作，负责大规模稀疏模型的训练和预测，长期支持阿里搜索、推荐、广告等核心业务，负责DeepRec开发及设计工作。

活动主办方

• 英特尔AI实践日工作组

支持单位

• 阿里巴巴DeepRec开源社区

• BigDL社区