您查看的活动已结束

NebulaGraph 项目开发者布道师、Nebula-DGL 作者、开源与图技术热爱者、Pythonista、微软 MVP(Dev Tech: Python)。  他在白天泡开源社区做贡献、写代码，晚上主持播客：开源面对面、NebulaGraph星球。  

您可以在  [https://siwei.io/talk/](https://siwei.io/talk/) 找到古思为之前的一些公开演讲。

演讲主题：搭建基于图神经网络的实时欺诈检测系统

主题简介：

图神经网络(GNN)是通过将图结构与特征信息进行嵌入表示，在图的链接、局部性质下，应用深度学习、神经网络的思想的方法。在一些天然高度相关于图结构的场景下被证明比较有效。

欺诈检测是现在任何内容生成、交易系统中必备的一部分，它在道高一尺魔高一丈的攻防中，维系着每一个服务的可用性、提供商的利益和所有用户的公平环境。  

欺诈检测的方法从专家欺诈模式匹配、查询，传统机器学习到深度学习层出不穷，在不同的场景和需求模式下各有优势，在图数据库、图计算的基础软件、平台逐渐成熟的现在，基于图数据库的图查询方法、面向标注扩充的图算法、基于图特征的机器学习等方法因为开始利用数据之间的关联关系，也可以获得更好的效果。在此之上，GNN 的方法在理论和实践上都有了很多新的突破。  

在这个主题中，古思为会为大家解谜基于图技术的欺诈检测方法，并给出他基于 Nebula-DGL（NebulaGraph-Deep Graph Library-Adaptor) 开源项目，端到端的设计代码实现，帮助大家快速了解整套 GNN 与图数据库结合的方法。  

* https://github.com/tensorchord/envd maintainer

* https://github.com/mosecorg/mosec 作者

* 专注于机器学习平台

演讲主题：在容器中开发机器学习应用程序

主题简介：

随着快速增长的机器学习生态系统，环境变得越来越复杂。为新项目建立一个方便的环境可能需要几天时间。同时，容器也变得成熟。公司将其服务部署到 Kubernetes 集群的生产环境中，平台正在努力提供云 IDE 环境，以帮助人们顺利入门。同样的事情也发生在机器学习行业。envd' 旨在将这些特性引入机器学习开发管道。

演讲主题：基于海量数据的实体关系抽取实践

Topic: Entity Relation Extraction Practice Based on Massive Data

主题简介：

【分享内容目标】

通过案例综合介绍实体关系抽取，使得听众进一步了解Python在人工智能的相关应用。

【演讲受众群体】

掌握 Python、了解人工智能算法的相关人士。

【主要内容介绍】

1. 实体关系抽取的研究现状：实体关系抽取的发展历程及当前应用情况。

2. 数据与网络结构设计：介绍模型的输入、输出和网络结构，以及模型设计的注意事项与难点。

3. 服务的部署与应用：简要介绍模型部署的常用方式，结合案例重点讲解基于 NVIDIA Triton 的部署流程。

4. 效果演示：结合案例进行实体关系抽取模型效果的演示，并通过演示回顾完整流程。

演讲主题：Python 启动加速探索及实践

主题简介：

Serverless 架构的普及对 Python 应用的冷启动速度提出了新的要求，在真实的 Python 应用中模块导入占据了大部分的启动时间。为了提升 Python 应用程序的启动速度，近期发布的 Python 3.11  将内置模块的导入速度优化了大约15%。遗憾的是真实世界的应用启动耗时集中在第三方包的加载，复杂应用无法从3.11的这一项优化中获益。

我们研发了 PyCDS（代码对象共享）技术，将三方库的加载速度提升至与 Python 3.11内置模块持平的速度。在不修改应用代码的情况下，实现15%-20%的启动加速。该方案还被集成到了 Serverless 解决方案中，能够显著减少 Serverless 场景下的冷启动开销。

我们将从 CPython 社区相关工作、本方案的设计及实现、以及业务层面的集成等方面进行介绍。