11月23日，第四正規化將開展「創式紀」人工智慧應用創新大賽暨AI 技術架構主題沙龍，本次沙龍活動將邀請第四正規化的AI技術架構專家分享一線實戰經驗，為IT架構從業者搭建交流分享的平臺。透過技術架構領域大咖的乾貨分享，真正幫助相關人士先人一步瞭解AI核心的架構領域的前沿科技。
該系列Tech Day活動也將於11月30日在上海舉行。歡迎各位技術人士報名參加。
【報名資訊】
時間： 11月23日13:30 - 11月23日16:30
地點：北京市海淀區上地東路35號北京頤泉匯3層第四正規化
報名方式：進入「活動行」官方頁面報名，稽核透過後即可參加：http://www.huodongxing.com/event/4519051915000?td=2602141592524
詳情與合作可諮詢：130-4105-4910（微信/電話）
【分享主題】
主題一：毫秒級高維AI推理：高效能AI特徵資料庫架構與實踐
實時AI決策場景不僅需要實時處理面向AI的時序資料，儲存使用者交易行為、IoT裝置歷史記錄，還需要支援多行高維時序特徵多表拼接、超高效能多表單行拼接功能等複雜特徵計算。如何實現一個高效的分散式特徵資料庫，讓業務端能在毫秒內實時返回基於高維AI模型的決策打分，是業內極具技術挑戰的事情。
為打造高維、實時、閉環的通用AI決策系統，我們基於AI儲存計算一體化理念設計研發了高效能AI特徵資料庫。
本演講將介紹第四正規化AI特徵資料庫計算引擎的架構實踐經驗以及如何透過基於分散式軟硬體的底層效能最佳化實現全記憶體分散式時序資料庫的高效能、高併發、時序最佳化。
主題二：零複製，高吞吐，低延遲：打造AI場景下的高效能通訊框架
相比於 MapReduce 等傳統資料處理做法，大規模分散式 AI 場景下的網路通訊面臨著不一樣的挑戰。為此第四正規化設計了自己的 RPC 框架——pRPC，以求適應不同的機器學習場景，最大化分散式計算的效能。
第四正規化自研的pRPC框架透過零複製和自研事件排程系統降低通訊延遲；透過 RDMA 技術最佳化機器學習離線訓練和線上預估。在大部分機器學習場景下，pRPC與 ZMQ，BPRC 和 GRPC 對比有較大效能優勢。
本次演講將介紹：
1. 大規模分散式機器學習場景下不同演算法的效能瓶頸和解決思路；
2. 高效能元件 RDMA 在大規模分散式機器學習場景下的應用和網路效能最佳化經驗；
3. RPC 的介面設計以及 Linux 事件排程的最佳化。
【演講嘉賓】
鄭曌第四正規化研發副總裁
鄭曌，曾在矽谷工作多年、先後就職於Google展示廣告架構團隊，Pinterest搜尋團隊並擔任Pinterest搜尋架構與個性化團隊負責人，擁有豐富的大規模搜尋架構、個性化推薦架構、機器學習系統架構經驗和技術團隊管理經驗。2010年，鄭曌作為隊長帶領上海交通大學團隊獲得ACM國際大學生競賽世界總決賽冠軍；並於2011年獲得KDD Cup Best Single Model獎項。
陳迪豪第四正規化系統架構師
陳迪豪，目前擔任第四正規化資深AI架構師，活躍於Kubernetes、TensorFlow等開源社群，維護容器管理平臺Seagull專案獲得Github 1600+星。前小米深度學習平臺架構師，負責深度學習平臺的架構和實現，同時參與Kubernetes和TensorFlow的開發。曾在雲服務公司UnitedStack，負責儲存，容器，大資料業務，參與了OpenStack,Docker,Ceph等開源專案，在2016美國Austin Openstack Summit上分享了Cinder多後段儲存相關的技術。現專注於高效能特徵引擎，Spark和Tensorflow等架構和效能最佳化。
劉一鳴第四正規化系統架構師
劉一鳴，2012 級上海交通大學 ACM 班成員，現就職於第四正規化任機器學習系統架構師。第四正規化先知平臺獨有的大規模分散式機器學習框架 GDBT 的設計者 ，主導落地了分散式大規模引數伺服器和 RDMA 網路框架。主要領域為機器學習分散式系統設計及高效能最佳化，曾在Qcon2019上海軟體開發者大會上作為講師做技術分享。