美国伊利诺伊大学芝加哥分校计算机科学博士，其主要研究领域是自然语言处理，机器学习和大数据挖掘。在国内外著名学术期刊和会议上已发表多篇学术文章，获得4项美国专利，合著有Mining Text Data, Data Mining and Knowledge Discovery for Big Data 等4本关于自然语言处理和机器学习书籍，并长期受邀担任国际知名期刊评委和国际知名会议程序委员会委员。
目前在领英公司(LinkedIn)机器学习基础组（Machine Learning Foundation Team ) 从事机器学习算法和核心平台的研发。
预测模型在LinkedIn是构建统计模型来预测未来的用户偏好和事件趋势。它的重要性不言而喻。其被广泛应用于LinkedIn的个性化推荐产品当中，包括工作推荐、信息流（News Feed）、邮件营销等。
然而，创建大规模预测模型是非常具有挑战性的，它需要处理庞大的数据量和考虑复杂的用户偏好。在这次演讲中，我将介绍预测模型的概念和业界的先进技术，以及当前所遇到的挑战、方案，还有我们在建模实践中开发和应用大规模机器学习(例如：LinkedIn开源机器学习库Photon-ML和易于使用的机器学习平台Photon Gateway)中得到的经验教训。此外，演讲中会引用三个大规模个性化推荐案例加以说明：LinkedIn工作推荐，LinkedIn信息流和邮件营销。
演讲提纲：
听众受益点：
地点：三层 311室
