机器人与人工智能爱好者论坛

标题: BML百度大规模机器学习云平台实践 [打印本页]

作者: alibaba 时间: 2015-12-21 15:35
标题: BML百度大规模机器学习云平台实践

BML百度大规模机器学习云平台实践

2015年12月20日

• 百度每天响应数十亿次的搜索
• 支持百万企业客户的推广需求
• 拥有20+用户过亿的移动产品
• 每天处理的数据量将近100个PB，相当于5000个国家图书馆的信息量总和
• 2013年，百度Hadoop单集群规模达到全球最大的1.3w台
• 2015年，全球Spark峰会唯一受邀主题演讲的中国企业
• 多位“人工智能”领域泰斗加盟，机器学习技术国内领先

大规模机器学习算法框架ELF

• 百度新三代机器学习计算框架，依赖于百度多年机器学习算法开发以及分布式计算经验
• 设计上汲取了常见计算框架Hadoop、Spark、MPI的精华。拥有和Hadoop一样简单的编程模式，比Spark更快的性能，以及比MPI更易用的接口
• 基于数据流的编程模式，让用户通过简单的map-reduce就能轻松写出高效的并行程序
• 计算过程进行托管，提供了包括多轮数据迭代处理、异步更新、并行通信等功能，让用户不在考虑底层的实现细节，专注算法自身逻辑
• ELF还拥有性能一流的参数服务器（Parameter Server），可用于存储万亿规模参数

Essential Learning Framework
• 易用
• 对用户屏蔽多机分布式细节，用户就像写单机程序一样
• 编写Online异步SGD仅需要200行代码；
• 100+行就能实现大规模分布式LR算法；
• 分布式LDA算法只需要500行代码
• 高效
• 组件分布式多线程实现，同时支持细粒度的线程控制
• 节点间通信依赖高效的baidu-rpc
• 深度优化hashtable，专用于Parameter Server
• 支持多种不同的参数读取和更新方式

Baidu Machine Learning 百度机器学习云

算法丰富
• 自 2009 年开始研发大规模逻辑回归（广告CTR）,已包含20多种并行机器学习算法性能极致
• 所有算法均为分布式实现,经历数年持续优化,应用大量计算/通信优化技术,速度业界一流久经考验
• 百度重要业务线上使用, 包括百度推广（凤巢、网盟）广告 CTR 预估,搜索排序等全流程支持
• 预处理、特征分析、模型训练、评估、预测易用的实力派
• 上手容易，隐藏算法细节，指定简单参数即可完成全过程团队强悍
• “百度大脑”的支持团队；获得三个“百度最高奖”的团队；多位常年从事机器学习的专家

广告点击率建模应用BML
点击率建模
• 应用算法：逻辑回归、GBDT + FFM
• 数据：各种用户点击日志
BML 逻辑回归算法特点:
• 支持数百 T 样本数据训练，千亿特征，千亿样本，支持连续值/离散值
• 支持 L-BFGS 和 SGD 两种算法求解

深度神经网络

搜索LTR应用深度神经网络

BML其他应用案例
• 百度外卖提升商户推荐排行榜转化率
• 降低百度云端杀毒的误差率
• 深度学习算法，预测硬盘故障
• 语音识别应用BML，降低错误率
• 针对搜索用户做直达号的个性化推荐，提升转化率
• 地图推荐商家，应用机器学习提升CTR
• 客服问答系统，实现问题自动归类
• 糯米应用BML，实现精准营销和店铺推荐

成功的机器学习应用最需要什么
数据
• 数据收集和多套数据的打通
• 清晰、明确、“洁净”的数据源
• Online & Offline数据的结合
系统
• 快速、低成本的实现
• 支持规模快速扩张的高效算法库
• AB Test和模型迭代机制
评价标准
• 推荐系统为例：覆盖率、置信度、差异性、采纳率、新颖性、隐私性、预测Auc、NDCG、收入波动、人工使用体验等指标
• 对整体系统的影响

推荐系统案例

广告推荐系统

精准投放及DMP

BML百度大规模机器学习云平台实践.pdf (749.74 KB, 下载次数: 1)

欢迎光临机器人与人工智能爱好者论坛 (http://www.robot-ai.org/)