程致远(Derek Cheng)是谷歌研究院的主任工程师以及技术主管经理，他在应用机器学习领域的研究包括深度检索(deep retrieval)、多任务学习(multi-task learning) 以及表征学习(representation learning)。他带领团队帮助谷歌广告、新闻以及Play移动应用市场去搭建和改进大规模的搜索和推荐系统。之前，他负责搭建Pinterest推荐系统的深度学习模型。他在德克萨斯A&M大学的博士论文关注社交网络中有地理标记数据的数据挖掘。致远有20余篇学术论文发表在机器学习、信息检索以及数据挖掘的顶级会议和期刊。
讲师介绍
主题演讲嘉宾：程致远 博士
Google 研究院 主任工程师 & 技术主管经理
议题介绍
地点：二层二号厅
演讲：基于多任务学习的推荐系统研究及应用
推荐系统已成为互联网为用户提供服务的产品中不可或缺的重要组成部分，为用户提供了个性化的内容、提高了用户粘性，有效促进了互联网企业的经济增长。搭建高效的推荐系统需要较深的专业背景，必须根据产品需求和用户使用习惯去选择及改进相应的算法。
本次分享将简单介绍推荐系统的基本背景以及架构，并着重介绍近年来谷歌在多任务学习的推荐系统上的最新研究结果，展示我们如何将最新的算法应用到谷歌的大规模推荐系统的应用实践。最后，演讲者将分享自己在推荐系统搭建中的心得和体会，以及对未来推荐系统架构趋势的解读。
演讲提纲：
- 推荐系统背景知识以及架构介绍
- 多任务学习的推荐系统的最新研究结果
- 实际应用
- 推荐系统构建心得和体会
- 对未来推荐系统架构趋势的解读
听众受益点：
- 了解推荐系统的重要性
- 了解多任务学习对于推荐系统的重要性以及难点，并了解最新研究结果及实际应用
- 推荐系统构建心得和体会
关注主办方（InfoQ）
联系我们
交通指南
扫一扫在手机端查看
在报名过程中如有任何问题，欢迎微信扫描左方二维码联系我们的票务经理
