本期為TechBeat人工智能社區(qū)第439期線上Talk。

北京時間9月8日(周四)20:00，騰訊微信/Senior SDE——司馬馳駿的Talk將準時在TechBeat人工智能社區(qū)開播！他與大家分享的主題是: “OSDI論文分享-Ekko:大規(guī)模推薦系統(tǒng)模型低延時更新”，屆時將介紹Ekko，一個創(chuàng)新的深度學習推薦系統(tǒng)，能夠低延遲地進行大規(guī)模模型參數(shù)更新。

Talk·信息

主題：OSDI論文分享-Ekko:大規(guī)模推薦系統(tǒng)模型低延時更新

嘉賓：騰訊微信/Senior SDE 司馬馳駿

時間：北京時間?9月14日?(周三) 20:00

地點：TechBeat人工智能社區(qū)

http://www.techbeat.net/

完整版怎么看？

掃描下方二維碼，或復制鏈接https://datayi.cn/w/bR7D5QWP瀏覽器，一鍵完成預約！上線后會在第一時間收到通知哦

Talk·介紹

本文提出了 Ekko，一個創(chuàng)新的深度學習推薦系統(tǒng)，能夠低延遲地進行大規(guī)模模型參數(shù)更新。Ekko 包括一個高效的點對點更新算法，能夠協(xié)調十億級別的模型更新，進行高效傳輸至地理分散數(shù)據(jù)中心的副本。它進一步設計了一種 SLO 保護機制，能夠保護模型狀態(tài)不受網絡擁塞和有害模型更新的影響。實驗結果顯示 Ekko 能夠大幅降低深度學習推薦系統(tǒng)的延遲，驗證了其創(chuàng)新設計的有效性。

具體分享提綱如下：

1. 推薦系統(tǒng)實時性介紹、業(yè)界方案對比

2. Ekko系統(tǒng)概述

3. 如何實現(xiàn)模型低延時多地更新

4. 模型效果保護

5. 效果及總結

Talk·預習資料

https://www.usenix.org/system/files/osdi22-sima.pdf

Talk·提問交流

通過以下兩種方式提問都將獲得微信現(xiàn)金紅包獎勵哦！

方式 ①在Talk界面下的【交流區(qū)】參與互動！留下你的打call??和問題??，和更多小伙伴們共同討論，被講者直接翻牌解答！

你的每一次貢獻，我們都會給予你相應的i豆積分，還會有驚喜獎勵哦！

方式 ②

在本文留言區(qū)直接提出你的問題，或掃描下方二維碼提問！

Talk·嘉賓介紹

Chijun Sima, 騰訊微信Senior SDE。主要研究方向為MLSys/Serverless/DB。

個人主頁：

Linkedin: chijun-sima

關于TechBeat人工智能社區(qū)

TechBeat (www.techbeat.net) 是一個薈聚全球華人AI精英的成長社區(qū)。 我們希望為AI人才打造更專業(yè)的服務和體驗，加速并陪伴其學習成長。 期待這里可以成為你學習AI前沿知識的高地，分享自己最新工作的沃土，在AI進階之路上的升級打怪的根據(jù)地！

更多詳細介紹>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ?