深度学习当前在图像视频，自然语言处理及语音识别等各个领域都取得了突破性的技术进展，并在实际中获得了广泛的使用。

CTR预估任务是工业界最常见的业务类型，在广告，推荐，排序等领域很多问题都可以转化为CTR预估问题。CTR预估任务面临着超大规模特征量以及大量稀疏数据等实际应用问题，很多常规的深度学习模型无法满足实用化要求。

本讲座介绍了CTR预估任务中应用深度学习的各种主流模型，梳理了模型之间的演化关系和特点，并对优选的模型和训练方法等作了归纳。

演讲提纲

• 当深度学习遇到CTR预估任务 
• factorization machines模型 
• 当前主流的深度学习CTR预估模型 
• 优选的模型结构及训练方法 
• 新浪微博应用环境下的探索

听众收益

• 深入了解目前CTR预估任务中最主流的深度学习模型，包括各种模型的技术方案优缺点等； 
• 了解在CTR预估业务应用时优选的网络结构及训练优化方法；