导读：在公司内部，业务线经常面临数据有哪些、质量如何、是否可用、能产生多大价值的困惑，并且，随着数据量的增加，计算和存储资源面临瓶颈。本次将围绕数据治理重点关注的计算、存储等方面，分享数据治理的产品实践。通过分享，一方面可以了解当前业务线主要面临的待治理的数据问题；另一方面，从计算、存储等主要方面，了解数据治理需要重点关注的内容，同时，对数据治理的整体产品实践有宏观的认识，对内部业务线的数据治理提供针对性的建议。本次分享将主要包括以下几大方面：过往数据治理回顾当前治理痛点产品整体策略未来规划--01过往数据治理回顾这部分主要介绍网易内部业务线，包括严选、传媒和音乐，做数据治理工作中遇到的问题、

分享嘉宾：叶聪腾讯技术专家编辑整理：张智跃内容来源：DataFunAITalk「智能技术前沿实践分享」出品社区：DataFun导读：本次分享系统介绍计算机视觉的基础知识，如何利用这些识别算法实现一个应用，同时进行部署、推广这一整套流程。主要包括以下六个部分：1、朋友圈爆款活动背后的秘密；2、计算机视觉基础；3、曾经的图像处理方法-传统学习方法；4、图像处理的爆发-深度学习方法；5、解析云端AI能力支撑；6、技能进阶。--01朋友圈爆款活动背后的秘密下图是五四青年节的活动，一个人脸匹配的游戏，其中使用的就是人脸识别的算法。大家上传自己的照片，就能匹配到民国时期的一些人物，然后以一种有趣的方式分享

导读：本文主要介绍了快手的精排模型实践，包括快手的推荐系统，以及结合快手业务展开的各种模型实战和探索，全文围绕以下几大方面展开：快手推荐系统CTR模型——PPNet多domain多任务学习框架短期行为序列建模长期行为序列建模千亿特征，万亿参数模型总结和展望--01快手推荐系统快手的推荐系统类似于一个信息检索范式，只不过没有用户显示query。结构为数据漏斗，候选集有百亿量级的短视频，在召回层，会召回万级的视频给粗排打分，再选取数百个短视频，给精排模型打分，最后会有数十个短视频进行重排。推荐主要是双类或单类，快手推荐的特点是用户比较多，会超过3.0亿。我们的短视频，每天有百亿的分发量，候选的短视

分享嘉宾：张政京东算法工程师编辑整理：AMS周金星出品平台：DataFunTalk导读：内容生态建设是近几年互联网快速发展的关键动因，也是AI化的重点方向之一。本文主要分享在京东广告业务下内容理解体系的建设情况，从标签化、内容准入、质量美学评价等多个角度探讨内容理解能力的应用；同时整体介绍智能创意助力广告内容生态建设，从内容理解到内容生成（视频、图片、文案），再到内容分发，并穿插OCR、智能抠图、多模态等相关的基础前沿算法能力。本文将围绕以下几部分进行展开：背景介绍内容理解体系智能内容生成创意优选&分发业务落地--01背景介绍&问题定义为什么要做智能创意？由图可见，从04年开始内容化生态逐步崛

导读：本文主要介绍哔哩哔哩在数据湖与数据仓库一体架构下，探索查询加速以及索引增强的一些实践。主要内容包括：什么是湖仓一体架构哔哩哔哩目前的湖仓一体架构湖仓一体架构下，数据的排序组织优化湖仓一体架构下，索引增强与优化的实践探索--01什么是湖仓一体当我们讲湖仓一体时，涉及到数据湖和数据仓库两个概念。什么是数据湖？通常来说，它有以下几个特点：有一个统一的存储系统，所有的数据都放到这个统一的存储系统里，没有数据孤岛。支持任意数据类型，比较自由，包括结构化、半结构化和非结构化的数据。这些不同类型的数据都可以统一放到存储系统里。对于多个计算引擎是开放的，包括实时、离线的分析等，计算引擎很丰富。有比较灵活

导读：在公司内部，业务线经常面临数据有哪些、质量如何、是否可用、能产生多大价值的困惑，并且，随着数据量的增加，计算和存储资源面临瓶颈。本次将围绕数据治理重点关注的计算、存储等方面，分享数据治理的产品实践。通过分享，一方面可以了解当前业务线主要面临的待治理的数据问题；另一方面，从计算、存储等主要方面，了解数据治理需要重点关注的内容，同时，对数据治理的整体产品实践有宏观的认识，对内部业务线的数据治理提供针对性的建议。本次分享将主要包括以下几大方面：过往数据治理回顾当前治理痛点产品整体策略未来规划--01过往数据治理回顾这部分主要介绍网易内部业务线，包括严选、传媒和音乐，做数据治理工作中遇到的问题、

分享嘉宾：叶聪腾讯技术专家编辑整理：张智跃内容来源：DataFunAITalk「智能技术前沿实践分享」出品社区：DataFun导读：本次分享系统介绍计算机视觉的基础知识，如何利用这些识别算法实现一个应用，同时进行部署、推广这一整套流程。主要包括以下六个部分：1、朋友圈爆款活动背后的秘密；2、计算机视觉基础；3、曾经的图像处理方法-传统学习方法；4、图像处理的爆发-深度学习方法；5、解析云端AI能力支撑；6、技能进阶。--01朋友圈爆款活动背后的秘密下图是五四青年节的活动，一个人脸匹配的游戏，其中使用的就是人脸识别的算法。大家上传自己的照片，就能匹配到民国时期的一些人物，然后以一种有趣的方式分享

导读：本文主要介绍了快手的精排模型实践，包括快手的推荐系统，以及结合快手业务展开的各种模型实战和探索，全文围绕以下几大方面展开：快手推荐系统CTR模型——PPNet多domain多任务学习框架短期行为序列建模长期行为序列建模千亿特征，万亿参数模型总结和展望--01快手推荐系统快手的推荐系统类似于一个信息检索范式，只不过没有用户显示query。结构为数据漏斗，候选集有百亿量级的短视频，在召回层，会召回万级的视频给粗排打分，再选取数百个短视频，给精排模型打分，最后会有数十个短视频进行重排。推荐主要是双类或单类，快手推荐的特点是用户比较多，会超过3.0亿。我们的短视频，每天有百亿的分发量，候选的短视

分享嘉宾：张政京东算法工程师编辑整理：AMS周金星出品平台：DataFunTalk导读：内容生态建设是近几年互联网快速发展的关键动因，也是AI化的重点方向之一。本文主要分享在京东广告业务下内容理解体系的建设情况，从标签化、内容准入、质量美学评价等多个角度探讨内容理解能力的应用；同时整体介绍智能创意助力广告内容生态建设，从内容理解到内容生成（视频、图片、文案），再到内容分发，并穿插OCR、智能抠图、多模态等相关的基础前沿算法能力。本文将围绕以下几部分进行展开：背景介绍内容理解体系智能内容生成创意优选&分发业务落地--01背景介绍&问题定义为什么要做智能创意？由图可见，从04年开始内容化生态逐步崛

导读：本文主要介绍哔哩哔哩在数据湖与数据仓库一体架构下，探索查询加速以及索引增强的一些实践。主要内容包括：什么是湖仓一体架构哔哩哔哩目前的湖仓一体架构湖仓一体架构下，数据的排序组织优化湖仓一体架构下，索引增强与优化的实践探索--01什么是湖仓一体当我们讲湖仓一体时，涉及到数据湖和数据仓库两个概念。什么是数据湖？通常来说，它有以下几个特点：有一个统一的存储系统，所有的数据都放到这个统一的存储系统里，没有数据孤岛。支持任意数据类型，比较自由，包括结构化、半结构化和非结构化的数据。这些不同类型的数据都可以统一放到存储系统里。对于多个计算引擎是开放的，包括实时、离线的分析等，计算引擎很丰富。有比较灵活