最近逛脉脉比较多，没有什么特别的原因，可能跟那些喜欢用快手、今日头条的人无恙吧，只是打发时间而已。无意中发现京东在国家会议中心有个人工智能平台的技术开放日，看介绍貌似会涉及到底层架构、tensorflow on kubernetes等内容，便顶着雾霾的天气去凑个热闹了。
开放日是在国家会议中心的三楼。报到的时候还有一点小插曲，原本在活动行上已经成功报名的一些人的名字居然不在签到表上，工作人员便让我们等着。不过后来貌似也没多少人，便让我们进去了。这里吐槽下活动行，报名成功却不在名单上，而且找客服居然要我先加qq？不过这都不重要了，关键是分享的内容是否真的是京东的干货~
今天的技术开放日分享的几位同学都是来自京东的AI算法平台部，第一位同学分享的是京东开发的人工智能平台，其实就是另外一个降级的odps，只不过把数据预处理、特征工程、模型训练、模型评估等操作封装成组件而已，提供了XGBoost, Caffe, Tensorflow的训练入口，然后利用kubernetes进行运算集群的调度管理。根据这位同学的介绍，我理解的应该是用户在构建好自定义的数据处理pipeline之后，会通过接口将任务提交给kubernetes调度中心，然后kubernetes根据node的状态起相应的任务，同时回传日志和状态等信息。如果运行调度的效率能忍的话，对于京东而言应该也能提升业务线算法和策略的迭代效率。不管如何，能够给公司各个产品线带来收益的都是好产品(突然想到，度厂连这个平台都没有,一丝凉意上心头)
第二位同学分享的内容略显教条，但是是传统机器学习方法中十分重要的环节-特征工程。具体介绍了在选取样本、特征处理的一些常见方法，比如正负样本比例、缺失值处理、特征重要性衡量等。也给了一个在京东电商业务场景下该方法的一些实践，不过和之前天池比赛的方法差不多，都会用到用户特征和商品特征，然后还有一些组合特征，当然时间窗口特征也会考虑进去。不过，分享的同学将自己的正负样本经过对正样本进行up sampling然后对负样本进行down sampling之后使得正负样本比例为1:8，就存在在测试集合上如果模型预测的都是负样本的话，在测试集上也有88.88%的准确率，这一点我表示疑惑，有朋友在提问环节也提出了质疑，但是最后解释的也不是很清楚。
第三位是来自nvidia的博士，介绍了nvidia为了适应AI时代的发展所做的一些事情，说nvidia发力AI是因为看到了google买大量的显卡，作为一个不搞游戏的公司买那么多显卡肯定有鬼，最后发现他们是拿去跑深度学习训练任务去了，于是黄教主就开始发力nvidai系列显卡在deep learning的应用。cuda的编程在硕士阶段接触过一些，相比于cpu的计算能力来说确实不是盖的，而且对于深度神经网络的训练和Inference而言，在forward和Backward阶段都需要大量的矩阵运算，而这些矩阵运算如果用gpu来进行加速的话，那效果必然是杠杠的！所以现在主流的深度学习框架都会支持gpu的运算，最后博士介绍了nvidia和京东在视频分析的工作，以前本科的时候觉得这是个不可能完成的任务，因为计算量和数据量都太大了，但是nvidia显卡却可以能够同时对多个视频源进行单帧分析，进行行人、车辆检测，这性能确实十分impressive.
最后一位是资深架构师，毕竟是架构师，架构图画的十分清晰明了，对于我这种架构小白顺着他的解说也能看明白个一二，这位架构师主要是介绍了kubernetes的一些内容，然后京东如果用Kubernetes去实现一些计算任务的调度和管理。
总之，今天收获还不错~
