4 月 16 日我們舉行了 IDP Meetup No.02，邀請到領先網際網路企業的一線資料科學家和大資料工程師——騰訊趙喜生和領先金融科技公司李峰，分別從個性化推薦場景和大資料處理的角度分享 AI 開發生產平臺在其日常工作中的實踐和經驗。同時，白海科技聯合創始人兼技術負責人劉喆與大家探討了程式設計輔助功能及其在 IDP 中的實現。
請各位小夥伴查收精彩內容回顧！（文末有彩蛋）
回顧 1: 機器學習平臺在個性化推薦中的實踐
騰訊推薦中臺架構師趙喜生，以個性化推薦為例，為我們分享了 AI 開發生產平臺如何使得複雜模型的訓練及業務應用更為高效。主要內容包括：
- 推薦中臺的組織邏輯
- 資料—推薦特徵處理：詳細闡釋了特徵資料流和特徵引擎架構
- 訓練—高維繫統 CTR 模型訓練：包括典型 CTR 網路，分散式 Gradient Descent，分散式訓練原理及技術實現等
- 推理—低延時、高可用批量排序服務：包括推理引擎的介紹以及模型優化的具體方法
- 業務—可擴充套件的推薦運營：包括推薦使用的場景，通用推薦的實現方法以及推薦鏈路 debug 等。
- IDP 的實戰經驗分享：以實際案例展示利用 IDP 進行推薦模型構建的整體流程
直播回放：https://www.bilibili.com/vide...
回顧 2：大資料處理技術演進及工具選擇
領先金融科技公司開發工程師李峰從大資料發展史的角度，詳細闡述了大資料技術體系及其演進。具體內容包括：
- 大資料處理體系
- 資料處理體系架構
- 大資料處理體系中各模組技術和架構的具體剖析，包括：資料來源接入、資料儲存、叢集排程、通用計算、任務排程、資料治理、資料安全等
- IDP 在大資料處理中的易用性介紹
直播回放：https://www.bilibili.com/vide...
回顧 3：IDP 中的程式設計輔助實現
白海科技聯合創始人兼技術負責人劉喆詳細闡述了可極大提高開發人員效率的程式設計輔助功能的具體技術與實現，主要內容包括：
- IDE 的基本組成及核心功能
- 什麼是靜態分析及其重要性
程式設計輔助中最重要的“程式碼補全”功能的詳述
- vim/emacs 等老牌編輯器中程式碼補全的發展歷程
- IDP Studio/vscode/intelliJ 等現代 IDE 中程式碼補全的功能實現
- 程式碼補全各種元件的比較
- “人工智慧”輔助下的“智慧補全”的原理、技術難點以及最新發展進展
- IDP 中程式碼補全的實現和使用體驗演示
直播回放：https://www.bilibili.com/vide...
【彩蛋環節】
本次分享 PPT 獲取方式：關注公眾號 Baihai IDP，回覆 IDP02 即可領取