专题：技术创新与前沿应用（容器、机器学习解决方案专场）

机器学习即服务是一类自动化和半自动化云平台的统称，用来解决数据预处理、模型训练、模型评估、未来预测等一系列基础设施问题。谷歌云机器学习平台自从上线以来就以预训练的、可以直接调用的高效机器学习模型吸引了许多企业级用户在其上构建简单的机器学习应用。而去年下半年，谷歌就已宣布香港将正式成为谷歌云平台(GCP)的新区域。新区域将于2018年正式启动，它也将成为继新加坡、悉尼、台湾、东京和孟买之后，GCP在亚太地区（APAC）设立的第六个云区域。在香港设立数据中心也将意味着谷歌全球云区域在不断扩大。

本次演讲将通过对GCP平台的介绍，向大家分享深度学习框架的强大后援平台，其中内容包括：

1. 终身价值简介；
2. 如何构建基于TensorFlow的预测模型，分类器/回归器；
3. 如何构建基于GCP的自动化预测系统；
4. 如何把预测系统与内容分发系统相连，创造千人千面的用户体验；
5. 成功案例分享。

如果说虚拟机作为一项革命性技术，在过去的十来年深刻地影响了IT界。那么如今以Docker为代表的容器技术，凭借其轻量、快速等优势，推动着互联网产业的革新与发展。七牛工程效率团队致力于打造高效稳定的CI/CD生态系统，并在完成了基于容器化CI/CD平台的开发和落地过程中，不断探索测试环境容器化的方向。在此基础上，也观察到了产品架构、服务特性、服务间依赖的复杂度给平台带来的诸多挑战。

本次演讲将会结合实际案例来讲解应对这些挑战的策略以及可能的解决方案。

听众受益：

• 可以提升工程效率的实践；
• 可以了解到测试环境容器化实施方案；
• 可以了解到产品持续集成和持续部署的技术架构。

海量数据的支持并伴随着算法的不断增强，人工智能的应用正在某些领域萌芽、成熟。在大数据的蓬勃发展的背景下，人们对机器学习算法也提出了新的要求：如何在大数据环境下正确地评价一个机器学习算法的性能？如何基于开源技术快速建设一个机器学习平台的方案？如何实现敏捷高效地进行机器学习建模？

本次演讲将讲述建设一个面向机器学习的大数据平台的设计思路和技术选型，以及实践过程中一些经验和总结。

听众受益：

1. 了解如何基于开源技术快速建设一个机器学习平台的方案；
2. 了解机器学习实践过程中使用到技术与工具链；
3. 如何实现敏捷高效地进行机器学习建模；
4. 面向机器学习的数据平台建设中的一些经验总结。

Kubernetes 拥有一套非常坚实的技术基础，站在了 Google 内部久经考验的容器管理系统 Borg 的肩膀上，同时也吸取了旨在替代 Borg 但是没有成功的 Omega 项目的失败经验。而在容器编排领域早期群雄混战的时代，华为是最早坚定支持K8s的企业，经过数年的深耕挖掘，已积累非常深厚的实践经验。本主题就将分享与大家分享华为在多年K8s深耕挖掘的实践经验和产品结晶。