从model centric 到 data centric — MLOps帮助AI多快好省的落地

Andrew NG曾在多个场合表达过AI已经从model centric 转到 data centric，数据是AI落地最大的挑战。如何保证数据的高质量供给是关键问题，而要解决好这个问题，需要利用MLOps的实践、工具等，帮助AI多快好省的落地。本次分享重点介绍什么是MLOps、MLOps能解决的问题是什么、MLOps都有哪些内容、常见的MLOps项目，以及如何评估一个AI团队MLOps的能力和水平。

开源机器学习数据库 OpenMLDB：线上线下一致的生产级特征平台

在很多机器学习场景中，面临着实时特征计算的需求。从数据科学家离线开发的特征脚本，到线上实时特征计算，AI 落地的成本非常高。本次分享带来OpenMLDB的线上线下一致，同时可满足在线毫秒级实时计算需求的机器学习特征平台。并对其如何实现机器学习特征开发即上线的目标，及如何保证特征计算的正确性、高效性进行解读。

网易云音乐特征平台技术实践

依托网易云音乐海量数据、精准算法、实时系统的基础，构建特征实时、模型实时能力，服务于内容分发和商业化多场景拿结果，同时满足既要建模效率高,也要使用门槛低,还要模型效果显著等一系列算法工程追求，为此网易云音乐算法工程团队结合音乐业务开始了端到端机器学习平台的实践落地。 本次分享主要从云音乐业务背景出发，阐释模型实时化落地方案、结合FeatureStore进一步辐射到更多场景，逐步完善FeatureStore的思路，最后分享在特征存储上结合业务落地的改造实践。

筑牢金融智能化创新发展的人工智能新基建——工商银行MLOps实践

本次分享将重点介绍工商银行的模型研发、模型交付、模型管理、模型迭代运营的全生命周期管理体系的建设流程及技术实践。