理解业务场景的各个实体对日常的运营活动有非常大的价值，而数据挖掘技术对于深度理解用户和商品意义更加重大，我们通过汇总滴滴集团各个业务线的数据，结合深度学习和知识图谱前沿技术，将数据挖掘成果应用到了集团增长（含广告方向）、安全和体验，以及搜索和推荐业务当中。

  听众收益：通过这门课程，当遇到一个全新的业务方向需要深度理解业务里各个实体的时候，可以基于这门课提供的方法论和实战经验，体系化的完成整个知识体系的搭建。

  新技术/实用技术点：用户画像技术，大数据开发技术，深度学习技术，搜索和推荐技术，广告技术。

  个人简介：硕士毕业于北京大学，早期在百度工作多年，目前在滴滴任首席算法工程师，负责用户画像、端外广告系统和橙心优选部分业务和技术方向。

  演讲议题介绍：⼏年来，组织正在努⼒使⽤复杂数据来回答⽇益复杂的问题。图分析是解决该类问题的⾸选⽅式之⼀。据 Gartner 称，到 2022 年，图处理和图数据库应⽤程序预计将以每年 100% 的速度增⻓。随着图分析的采⽤不断增⻓，了解图分析⾏业中的各种应⽤之间的区别很重要。在了解应选择什么图分析应⽤后，将分享怎么样才能做好准备，把技术落地，将数据中的价值挖掘出来。

  个人简介：有着非常丰富的大数据分析和工程经验，负责过TigerGraph在中国与多个金融客户的项目、技术上的支持及用户培训。致力于图数据库和金融，电商等多领域的整合。

  演讲议题介绍：本次演讲将会阐述与因果推断相结合的机器学习在滴滴智能决策中的若干应用实例。我们将介绍因果推断适用的场景，以及在引入因果推断时所面临的一系列挑战，包括数据的利用、特征的筛选、连续干预变量的处理、多维干预变量的处理、模型评估等。

  听众收益：了解因果推断的基本概念和基础原理；了解因果推断的适用场景；了解因果推断与机器学习结合过程中的一些技术挑战和突破。

  个人简介：杨晓庆，滴滴网约车MPT基础能力负责人。负责网约车供需预测、资源分配和乘客弹性预估等技术方向。博士毕业于香港中文大学计算机系，在加入滴滴之前，先后就职于百度和猿辅导。她的研究领域包括大数据、深度学习、因果推断、图神经网络等。

  演讲议题介绍：本次分享将最重要的包含，微视用户增长广告投放项目，基于腾讯内部开源的联邦学习框架powerFL，在落地纵向联邦学习做的尝试：一方面介绍联邦学习怎么样与我们的广告投放系统结合，一方面介绍模型迭代的心得和增益。

  听众收益：本次分享将最重要的包含，微视用户增长拉新项目，基于腾讯内部开源的联邦学习框架powerFL，在纵向联邦学习上做的尝试：一方面介绍联邦学习怎么样与我们的广告投放系统结合，一方面介绍模型迭代的心得和增益，以及落地的难点（两方参与的纵向联邦学习框架下，样本定义、迭代效率、特征评估、模型评估等）。

  个人简介：宋凯，中国科学院理论物理博士（量子耗散方向），剑桥大学联合培养经历，已发表论文20余篇；现为腾讯微视算法工程师，负责用户增长方面的应用研究；加入腾讯前在京东零售、度小满金融任算法工程师，分别从事推荐系统、用户增长的工作。

  演讲议题介绍：主要介绍NVIDIA用于加速AI推理加速的系统库TensorRT和用于部署AI推理服务的系统软件Triton。

  听众收益：通过这次分享，你们可以进一步探索NVIDIA在AI推理加速及部署方面的核心解决方案。

  个人简介：硕士毕业于2003年，有18年的工作经验，在嵌入式系统，服务器系统，基于GPU的AI系统加速等方面都有丰富的经验，目前在NVIDIA从事AI软件相关的系统解决方案架构工作。