为了支撑 vivo AI 研究院各种各样的机器学习项目，我们在多年广告推荐项目的实践经验基础上，尝试构建了一套端到端的一站式机器学习平台系统，降低技术落地门槛，提供项目迭代效率。平台提供了基于各种计算框架 Tensorflow、PyTorch 构建的高性能训练 SDK，高效调参与 AutoML，模型部署，线上推理，A/B测试，效果监控与分析等功能。除此之外，还提供了一套基于 Spark，HBase，Redis 等构建的特征生成与管理和样本生产与管理的 pipelines，为实现实时增量训练奠定了坚实的基础。到目前为止，公司的多个项目如广告、推荐，搜索，图像等都运行在该平台上，迭代周期大大缩短。

演讲提纲：

1. 为什么需要机器学习平台
2. 机器学习平台的价值
3. 特征平台
4. 模型平台
5. 基于配置的推理引擎
6. 信息流推荐案例
7. 总结

听众受益点：

1. 了解机器学习项目的最佳实践
2. 了解如何避免大规模机器学习项目中的各种坑
3. 学习如何架构系统，使得算法工程师与开发工程师的工作实现解耦，提高迭代效率