课程简介

案例背景:
腾讯总共运营百款游戏，游戏场景规模、数据量等都非常大，如何能够快速、有序的业务对接、同时快速完成大数据计算及模型的上线、快速迭代算法进行实验都面临非常大的挑战

解决思路:
针对场景多而杂的特点，我们搭建了一个机器学习平台，在平台之上归纳总结了一套开发框架及流水线能够达到快速、高效的业务对接；同时我们对整个训练流水线的各个环节专项进行性能及应用便捷性优化；为了保障整体算法实验效果在线上符合预期，我们同时在监控方面做了大量工作

成果：
能够快速的完成大量业务的对接，同时能够保证算法快速迭代、上线算法效果符合预期；同时对优秀方案进行沉淀

目标收益

1.对腾讯游戏的运营实践经验有一定了解；
2.介绍平台在架构上设计及历史演进；
3.介绍机器学习流水线的建设及优化实践；

培训对象

课程内容

案例方向

---

AI基础设施/互联网AI前沿/湖仓一体/数据智能平台演进

案例背景

---

腾讯总共运营百款游戏，游戏场景规模、数据量等都非常大，如何能够快速、有序的业务对接、同时快速完成大数据计算及模型的上线、快速迭代算法进行实验都面临非常大的挑战

收益

---

1.对腾讯游戏的运营实践经验有一定了解；
2.介绍平台在架构上设计及历史演进；
3.介绍机器学习流水线的建设及优化实践；

解决思路

---

针对场景多而杂的特点，我们搭建了一个机器学习平台，在平台之上归纳总结了一套开发框架及流水线能够达到快速、高效的业务对接；同时我们对整个训练流水线的各个环节专项进行性能及应用便捷性优化；为了保障整体算法实验效果在线上符合预期，我们同时在监控方面做了大量工作

结果

---

能够快速的完成大量业务的对接，同时能够保证算法快速迭代、上线算法效果符合预期；同时对优秀方案进行沉淀