算法工程化实践选读

本文同步发表在伴鱼技术博客。

什么是算法工程化？一图胜千言 [1] ——算法工程化关注如何搭建 ML 基础架构（白色和灰色的模块），使得 ML 算法（蓝色模块）落地，发挥作用。

ML 算法落地难，几乎是每一个智能驱动的公司都要面临的挑战，伴鱼也不例外。为了系统性地解决这个问题，我在 2021 年初加入伴鱼，开始组建 AI 中台团队。我希望团队能够「仰望星空，脚踏实地」——大量阅读业界的最新实践，博采众长，应用于公司的 AI 中台建设，去攻克投资-回报比最高的方向，更好地服务于公司业务的增长。在这个过程中，我把阅读到的业界的算法工程化实践通过「选读」的方式和大家一起分享。

目前，我的「选读」系列已经包括以下文章：

• 特征平台需求层次理论
• Uber 机器学习平台实践
• Uber 机器学习平台的高速迭代实践
• DoorDash 预测服务实践
• Spark ML 管道在线推理实践

欢迎大家讨论、交流，对我们团队感兴趣的还可以看看我的求贤贴 😁。

参考文献#

[1] https://developers.google.com/machine-learning/crash-course/production-ml-systems

Feedback is a gift! Please send your feedback via email or Twitter.