个人介绍：贾承昆。曾就职于阿里云、猿辅导、知乎等公司。有多年数据架构方向的工作经验。负责知乎大数据的基础架构和数据平台相关的工作。

演讲题目：知乎大数据跨机房实践

演讲提纲：介绍知乎大数据跨机房方案，如何在多个机房之间迁移数据，调度计算作业并保障稳定性。

听众收益：

1. 如何设计并实现 Hadoop 跨机房方案

2. 如何在多集群之间进行快速的数据迁移

3. 如何在多集群架构下保障稳定性

个人介绍：硕士毕业于中科院自动化研究所，2016年加入百度商业广告团队，先后从事凤巢点击率模型优化、商业多模内容理解等工作，目前在商业技术中台团队担任内容中台资深算法工程师，负责多模态理解与生成方向，相关工作多次发表于 SIGIR，CIKM，BigData 等国际会议。

演讲题目：多模内容理解在百度商业广告中的探索实践

演讲提纲：

1. 商业图文预训练大模型

2. 多模内容表征如何赋能商业系统，包括排序系统、召回系统

3. 多模内容理解与生成大一统

听众收益：

1. 如何训练一个百亿的图文大模型？

2. 多模态内容如何赋能商业系统？

3. 排序模型的 ID 记忆性问题如何解决？

个人介绍：苏喻，工学博士，硕士生导师，合肥综合性国家科学中心人工智能研究院副研究员，合肥师范学院计算机学院副教授，专业负责人，中国计算机学会大数据专家委员会通讯委员，安徽省计算机学会青少年信息学教育专委会秘书长，研究方向为自然语言理解，数据挖掘与推荐系统。2011年7月-2022年2月就职于科大讯飞研究院，历任科大讯飞AI教育研究院副院长，AI研究院认知群教育条线负责人，学习机业务线业务总监，重点负责教育领域个性化学习业务，其研发的多项成果已经成功的应用到讯飞智学网、讯飞学习机等相关产品中，于2018年获得讯飞首届华夏创新奖，获2020年吴文俊人工智能科学技术奖科技进步一等奖。同时，先后参与多项安徽省、部级等层面的重大项目科研工作，如国家自然科学基金重点项目“基于多模态数据的学习者认知诊断理论与关键技术研究”、科技部重大专项“面向分类用户个性化需求的科技大数据精准服务技术”等。其间获得多项发明专利，并在AAAI、KDD、IJCAI等国际知名学术会议与期刊发表文章近50余篇。

演讲题目：教育领域大模型的技术和应用

演讲提纲：随着技术的不断演进，大语言模型，如GPT-4，及其相关技术已经深深影响了许多行业。尤其在教育领域，这些模型已经促进了许多前沿的应用与实践的出现。通过将大语言模型融入智慧教育，我们希望其能够解决传统方法所面临的问题。本次演讲将重点探讨如何利用大语言模型来应对智能教育所遭遇的技术问题，并分享我们团队的最新研究进展。此外，演讲的最后还将介绍我们在教育场景下结合上述技术所取得的应用成果。

1.简述大语言模型在通用教育下有哪些应用场景

2.阐述目前智慧教育在技术上所面临的问题 (有标签数据少、闭环周期长、需要融入领域知识)

3.介绍团队在教育领域大模型相关的技术

4.1基于大语言模型的知识构建

(1)人机合的知识图谱构建技术:通过与大语言模型的结合，实现人机协作的方式，可以更高效、准确地构建领域内的知识图谱；

(2)大模型的小知识学习技术:允许大模型专门针对某一领域或主题进行微学习，从而生成更加准确的领域相关内容；

4.2基于大语言模型的仿真强化试题推荐技术

(1)基于大语言模型的学生学习行为仿真技术:通过大模型分析学生的学习行为，模拟其学习路径和趋势，从而预测学生在进行某个学习和做题后的知识水平情况；

(2)基于大语言模型的强化试题推荐技术:结合强化学习和大语言模型仿真，系统可以根据学生的学习历程和反馈，动态推荐适合其学习水平和需求的试题，帮助学生更加高效地学习和巩固知识；

5.教育领域大模型相关的应用

(1)数字人AI录播课

(2) AI智慧编译器

听众收益：听众将从本次演讲中获得对大语言模型在教音领域的深入了解，探索其如何解决智慧教育的技术挑战，以及实际应用中的具体案例，为教育者和技术从业者提供有价值的启示和激发创新思维的灵感。

个人介绍：360人工智能研究院算法专家、知识图谱方向负责人、360智脑项目组核心成员，“老刘说NLP”公众号作者，曾就职于中国科学院软件研究所。主要研究方向为大模型数据挖掘与自动化评估、领域知识/事件图谱的构建与落地应用，主持或参与研制全行业事理图谱、百科图谱、知识图谱平台、事件情报分析、右侧推荐、大模型研发等落地项目，申请发明专利十余项、论文数篇。近年来在OGB-Wikikg2、CCKS多模态实体对齐、可解释类案匹配等评测中获得多项冠亚军。致力于自然语言处理技术开源共享，在github开源项目60+，收获star数超2W+。

演讲题目：大模型幻觉的起因、评估及落地场景下基于知识图谱的缓解策略探索

演讲提纲：幻觉问题是制约大模型在某容错性较低场景的拦路虎。而幻觉问题本身来源于多个方面，包括数据、训练方式以及解码策略等。本报告将围绕大模型幻觉的起因、如何评估、在真实落地场景下如何结合外部知识图谱进行缓解等几个方面进行介绍。

听众收益：

1. 什么是大模型幻觉，幻觉是好是坏？

2. 为什么会出现幻觉，又如何评价幻觉？

3. 幻觉在落地场景中如何用知识图谱加以缓解？外挂 or 受控生成 or 其他？

个人介绍：胡金波，医学博士，主治医师、副研究员、博士生导师，获得重庆市杰出青年基金、重庆市高校巴渝学者。擅长内分泌性高血压、糖尿病、甲亢等内分泌疾病的诊治，主要研究领域为肾上腺疾病。曾留学美国哈佛大学。担任美国内分泌协会（ENDO）会员、重庆医师协会内分泌代谢科医师分会委员。主持国家级课题2项、省部级课题4项，获得省部级科研奖励2项。执笔撰写《中国肾上腺意外瘤多学科管理专家共识》，参编第2版人民卫生出版社《“5+3”医学整合课程教材》。在《Ann Intern Med》、《J Am Coll Cardiol》、《Metabolism》等杂志发表论文35篇（中科院1区论文12篇）。

演讲题目：因果推断与医学研究

演讲提纲：随机实验和因果分析在医药领域有悠久的历史，并得到广泛的认可。本次分享将结合一个高血压诊疗的应用案例，从以下两方面介绍：

1）医药临床实验里的实验设计

2）医药学界对因果推断和实验设计的要求、解读和共识

听众收益：

1、如何从诊疗场景出发挑选合适的设计和推断方法

2、了解因果推断和实验设计在垂直领域的应用

3、医药学作为比互联网更早、更严谨使用随机实验和因果推断的垂直领域，给互联网公司带来的思考和启发

个人介绍：2014年天津大学硕士毕业后加入腾讯，7年腾讯手游风控经验，先后主导过QQ飞车（休闲类）、英雄联盟（moba类）和和平精英（fps类）等20款+手游的安全对抗工作；2021年加入货拉拉，负责增长数据科学的日常管理，主要负责货运AB实验，GPT大模型、画像标签等技术能力建设的工作。

演讲题目：货运双边市场实验的挑战和实践

演讲提纲：

1. 初识货运双边市场

2. 货运场景实验问题

3. 货运实验技术方案

4. 货运场景实验案例

听众收益：

1. 同城货运如何交易的

2. 如何缓解运力竞争带来的实验干扰

3. 降本增效下如何衡量补贴策略效果

个人介绍：知乎实验平台技术负责人，多年微服务，云平台和大数据相关经验，亲历负责了知乎多代实验平台的产品迭代过程。

演讲题目：知乎实验平台工程实践

演讲提纲：介绍知乎实验平台的架构体系演进，如何从 0 到 1 搭建实验平台，从不科学到科学置信的发展过程。

1. 知乎实验平台的发展历程

2. 踩过的坑和经验沉淀

3. 科学实验平台的架构设计

4. 未来展望

听众收益：

1. 实验平台分流模型的架构和设计

2. 实验分析链路的构建

3. 在实验的过程中哪些坑可以避免少走一些弯路

个人介绍：本硕毕业于加州大学伯克利分校统计系和计算机系，现在腾讯微信实验平台负责实验设计和因果推断研究，专注于双边市场的问题和其他各类方法的应用与落地。

演讲题目：如何保证实验外部有效性（External Validity）

演讲提纲：随着AB实验日益增加的重要性，我们越来越关注策略在小流量实验期间观测到的因果统计量能否在推全后保持一致。本次演讲将会从如下方面介绍微信实验平台在外部一致性问题上的探索和应用：

1. 问题背景-可能会造成实验期间观测到的效果和推全后不一致的原因

2. 实验设计侧的解决方法

3. 实验分析侧的解决方法

听众收益：

1. 了解导致实验期间观测到的效果和推全后不一致的方法框架

2. 了解双边市场实验设计和有溢出和抢夺效应时的实验设计及分析方法

3 . 了解其他消除内外部不一致的方法及应用场景

个人介绍：詹若涵是香港科技大学工业工程与决策分析系助理教授。她的研究开发了使用因果推理、统计和机器学习等工具来创新数据驱动决策的方法，尤其对平台运营和经济学问题感兴趣。此前，她获得了北京大学数学学士学位、斯坦福大学统计学硕士学位和计算与应用数学博士学位。

演讲题目：A/B测试中的实时监测策略与加速方法

演讲提纲：

1. 在A/B实验中进行实时监控时，为什么传统的固定样本量测试方法不能有效控制第一类错误（Type-I error）？

2. 我们推出了一种新的置信区间构建方法，适合于有重复观测的用户。此方法可以有效地在实时监控中控制第一类错误（Type-I error）。

3. 如何确保实时监控实验的效能（power）？

4. 如何基于实时观测来加速实验进程？

听众收益：

1. 如何在实时监测A/B实验中有效控制第一类错误？

2. 如何提高A/B实验的统计效能？

3. 如何利用实时监测来加速A/B实验进程？

个人介绍：陈宸，本科毕业于上海交通大学，博士毕业于香港科技大学。主要研究方向包括视频编解码、图像处理、持续学习/鲁邦学习等机器学习基础问题、计算机视觉在细粒度识别上的应用、多模态预训练在AIGC方向的应用等。曾任腾讯高级研究员，负责腾讯全媒体内容安全识别体系的搭建。现任OPPO研究院高级算法工程师，负责多模态预训练在跨模态检索、理解和生成的端云场景应用研究。在大模型预训练、端侧轻量化以及下游应用都有长期业务实践经验。

演讲题目：多模态预训练模型在OPPO端云场景的落地实践

演讲提纲：主要围绕图文多模态预训练模型在检索、理解、生成等各个方向的云端两侧的技术优化和落地场景介绍。如何在低资源的情况下用最少的算力优化多模态大模型已经成功落地到移动终端。

1. 图文检索云端两侧优化思路

2. 文图生成大模型继续预训练优化思路

3. 文图生成下游垂域优化思路（个性化生成、垂域微调、文字渲染等）

4. 文图生成大模型端侧轻量化落地介绍

听众收益：

1. 了解大模型在低资源下持续优化的算法实践经验；

2. 了解大模型在移动终端的轻量化落地优化链路；

3. 了解图文预训练模型在理解和生成方向的业务落地场景和实践经验。

个人介绍：毕业于中国地质大学（武汉）信息技术相关专业，超10年算法经验。2017年加入vivo，从事NLP算法相关工作，期间参与Jovi语音助手、电话秘书、手语翻译官等算法研发，从0到1搭建千万日活产品。目前在vivo从事大模型算法开发及产品落地相关工作。

演讲题目：大模型从训练到产品落地分享

演讲提纲：

1. 大模型演进 & 技术架构；

2. vivo 在大模型训练分享；

3. vivo 在大模型产品落地技术；

4. vivo 大模型成果展示；

听众收益：

1. 预训练数据如果构建及预处理方案？

2. SFT 如何提高模型效果？

3. 大模型如何适配到产品应用？

个人介绍：曾负责网易数帆的数据开发平台、阿里数据中台的用增/私域/集团标签等数据项目。目前在bilibili负责数据产品。

演讲题目：电商与内容型业务用增数据的基建异同

演讲提纲：在不同的业务类型、组织形态、发展阶段等要素下，用增数据如何建设好。

听众收益：用增数据建设在诸多不同要素下的数据实践差异：

个人介绍：硕士毕业于中国科学院计算机网络信息中心，曾先后就职于百度、滴滴、腾讯等公司，目前在腾讯数据中台负责数据上报系统，深耕数据上报质量和效率，实现PCG的全业务覆盖。

演讲题目：数据采集治理

演讲提纲：

1、引子

1）数据采集的深广准决定了指标应用的能力上限，指标治理需要从采集源头开始

2）数据采集其实就做一件事：将真实的客观世界数字化并记录下来

3）做好数据采集的终极目标是 质量 和 效率

2、质量

1）数据质量问题60%～80%发生在采集阶段，在指标应用阶段才发现质量问题会让人气馁，排查也很低效

2）新一代数据质量审查工具，让人们对数据质量的认知从 合规检查 提升到 合理分析

3）质量审查能让人一眼看穿数据质量，让指标使用方可以放心大胆的使用采集数据

4）智能判定则可让机器自动发现问题，基于灰度主流对比、主流日期环比等一系列相关性对比思路

5）行为诊断可用来帮助诊断一些数据采集的疑难杂症，通过可视化单个用户的全部行为轨迹

6）补充其他质量工具，总结实践经验

3、效率

1）效率瓶颈很多时候并不在开发上，而在对需求的梳理、沟通、反复修改、录入、验收，以及后续长久的维护上

2）定义终端数据采集模型，在 事件 的基础上增加 页面 和 元素，标准化采集口径，约定大于灵活

3）实现 在线文档 与 需求面板 的同步，既利用了在线文档的便捷，又能在需求面板中完成Diff对比、测试验收等操作

4）利用采集SDK帮助提升开发效率，用一套API 引导开发者按采集模型来埋点，可选的用自动和半自动采集来减轻开发负担，搭配一套高效的测试诊断工具

5）建立退出机制，基于ROI（血缘热度/成本）的生命周期管理

4、展望

1）质量 和 效率 我们在路上

听众收益：

1、了解新一代数据质量审查工具，让人快速看清数据质量，让机器自动发现问题

2、了解如何才能把数据采集的效率做好

个人介绍：本科毕业于上海交通大学电子系，随后取得香港中文大学信息工程博士学位，毕业后加入新加坡高级数字科学中心（美国伊利诺伊大学在新加坡的研究所）从事科研工作，在计算机网络和分布式系统领域相关的顶级国际会议发表多篇论文。加入Alluxio前，傅正佳曾在新加坡科技公司Bigo Technology担任机器学习研发总监。

演讲题目：简化并加速AI/ML模型训练&推理的数据访问

演讲提纲：人工智能（AI）的应用正在迅速增长，49% 的首席信息官表示他们已经使用或计划使用人工智能。最近，生成式人工智能的蓬勃发展进一步加速了这一应用，使人工智能成为企业创造收入、提高客户满意度和组织生产力的当务之急。成功的人工智能项目需要访问数据，为应用程序快速提供数据的能力至关重要。随着人工智能用例越来越复杂，我们需要了解数据访问模式以及如何使用正确的解决方案来解决这些问题。此次分享将介绍现代AI/ML平台中的数据访问模式，将探讨机器学习管道每个阶段的数据访问特点，以及为大规模AI优化数据访问的策略。具体包括：

1. AI/ML工作流在访问数据时的挑战

2. 针对分析和AI的高性能数据访问层介绍

3. 使用Alluxio进行模型训练的主要场景和价值

4. 主要用户案例分享

听众收益：了解全新的AI/ML训练解决方案，通过构建高校的数据平台架构快速生成分析结果。

个人介绍：马吉辉，永辉超市大数据架构师，数据中台OLAP架构负责人，永辉CLICKHOUSE布道者，毕业于南京大学计算机系，2019年加入永辉云创数据智能产品研发部，从0到1构建永辉线上大数据计算体系，离线、准实时、实时数仓架构，2020年主导并参与了永辉数智化转型之路，构建永辉数据中台，数据中心"蓄水池"，高效赋能业务增长。多年大数据从业经验，对数据基础架构服务、数据资产化、数据应用具有深刻的洞见。目前专注于数据治理，自助取数分析-人人都是数据分析师的体系建设落地。基于永辉"极光"平台实现业务输出。

演讲题目：零售行业永辉超市云原生数据中台的探索与实践

演讲提纲：

1. 永辉数据中台的经路历程

2. 以数据赋能零售业务的探索与实践

3. 数据治理思维驱动数据中台稳定高效

4. 未来展望

听众收益：

1. 了解零售业数据中台私有云建设的探索与实践

2. 了解数据治理在数据中台中的思维体现

3. 了解数据如何赋能复杂的零售业务变化

4. 对零售业技术的未来的探索与实践

个人介绍：目前就职于虎牙，之前先后在百度和腾讯工作，一直从事推荐算法领域，尤其对重排/混排算法有较深的理解与创新。在业界首次提出把强化学习应用于多目标融合领域的方案，随后在腾讯多个产品有效果显著的落地应用，后续也有多家公司跟进应用，该成果整理成论文发表在数据挖掘领域国际顶级学术会议KDD2022上，引起较大反响，在这一领域开创了一个全新范式，大幅提升了效果天花板。

演讲题目：强化学习在推荐系统中的实践探索与业界进展

演讲提纲：

1. 推荐系统与强化学习

a. 强化学习概述，及其应用领域

b. 推荐系统的传统方法及当前挑战

c. 强化学习与推荐系统的结合点：交互性与长期满意度

（讲述结合的动机，推荐系统通过不断增加预测任务并拓展目标周期，以提升对用户的长期满意度，而强化学习的交互性及长期价值建模有助于推荐系统实现该目标）

2. 探索强化学习在推荐系统中的应用

a. 推荐问题的强化学习建模

b. 面临的核心挑战

i. 推荐系统的动态性与复杂性

ii. 延迟奖励与复杂的环境反馈

c. 常见的强化学习实践方案，优势及局限性

d. 离线强化学习的实践探索

i.OfflineRL的训练框架

ii.不同范式的OfflineRL模型算法

iii.离线评估方法

（以踩坑过程为线索，介绍建模方法，在探索过程中遇到的一些问题，分布偏移、外推误差，模型训练困难，线上效果不稳定等等。介绍一种成功案例的OfflineRL的流程框架）

3. 业界的新进展与进展

a. 近期研究成果，论文分享或成功案例

b. 新的算法与技术概述

c. 未来展望，一些可以尝试的方向畅想

听众收益：在此次演讲中，我们将尝试探索强化学习与推荐系统的结合点，并分享一些实践中的踩坑经验。听众可能会对这两者的结合有更多的了解，认识到实践中可能的挑战和考虑点。通过一些业界的研究进展，我们希望提供一些思考的方向，但这只是一个起点。期待与大家共同探讨，相互学习，一同前行。

个人介绍：先后就职于百度、创新工厂-豌豆荚、快手三家公司，主要擅长大数据中台构建、数据治理，在搜索、爬虫、后端服务开发等方向也有一定积累，目前在快手主要负责数据治理架构设计和开发工作。

演讲题目：快手数据成本白盒化治理实践

演讲提纲：

1.1 背景介绍

· 数据治理介绍：快手数据治理整体介绍

· 本次分享核心：通过引擎与数仓白盒化拆解，提升治理深度，实现降本增效

1.2 收益评估方法

· 压缩率

· 存储数据量

· 资源消耗（CPU核*天）

· 作业运行时长

· 作业失败率

1.3 引擎白盒化

· HBO

· JVM升级

· 压缩算法替换

· 计算过程拆解

1.4 数仓白盒化

· 基于 Similar SubExpression 的公共模型构建和优化

· 数仓自动化治理实践

1.5 个人思考

· 严谨：事前收益测算 -> 事中灰逐步度验证，解决异常CASE -> 事后整体效果评估

· 深入：对引擎、工具、数仓均有深入理解

· 行动：躬身入局，模糊各个团队的边界

1.6 未来规划

· 压缩效率持续提升

· 实时计算Flink白盒化

· 数仓架构优化

听众收益：

1、深入到大数据存储计算引擎和数据仓库，对其进行白盒化拆解，在治理思路、治理经验等方面有不少可借鉴之处

2、讲述快手实践，如何成功降低千万级存储和计算成本

个人介绍：主攻大数据AI方向，深耕行业应用产品多年，现负责阿里巴巴线下营销产品设计研发。

演讲题目：线下营销的数智化应用分享

演讲提纲：

听众收益：

个人介绍：10年以上大数据底盘研发经验，2017年加入顺丰科技，负责dataPaaS相关工作，主要涉及大数据混合云弹性扩缩容、云原生实时数湖等业界创新型技术在顺丰的探索和落地。

演讲题目：混合云原生大数据底盘

演讲提纲：

1、背景与趋势

2、顺丰混合云原生数据架构升级

3、顺丰大数据架构应用案例

听众收益：

1. 多云融合的大数据基础设施如何做到低成本

2. Hadoop 与云原生架构如何做融合

3. 跨机房离线任务如何保障计算效率

个人介绍：林天权（花名：画龙），现任蚂蚁集团高级数据技术专家，有10多年大数据研发、架构升级和数据治理经验，14年开始加入蚂蚁，深度参与蚂蚁大数据的发展和升级演进，曾作为实时数据负责人主导蚂蚁双十一媒体实时大屏、蚂蚁全域实时采集链路和蚂蚁实时数据研发平台研发，以及PB级adhoc查询加速服务和大安全一键数据服务化平台研发与升级，现任蚂蚁安全大数据技术团队数据架构及治理负责人，推进技术创新，打造EB级AutoFinOps核心能力，升级蚂蚁新一代数据架构，用数据创造价值。

演讲题目：蚂蚁新一代数字智能化治理平台 AutoFinOps 实践与探索

演讲提纲：科技驱动一直是蚂蚁的核心发展理念，也是蚂蚁安身立命之本。蚂蚁过去的发展，源于能够始终抓住技术变革机遇，用技术创造价值。蚂蚁集团在面对EB级数据规模、错综复杂的业务以及数字时代新型安全风险挑战，数据治理除了传统的运动式治理、元数据驱动治理、一站式治理平台、自上而下的治理规范制度约束等解决方案外，也在不断尝试技术创新和架构升级等手段破局和提效，提供更加高效、便捷、丝滑的自动化、智能化解决方案，本次分享带你深入了解蚂蚁如何通过治理数字智能化快速实现“无感降本”，特别是智能归因、AutoFinOps、错峰计算等技术应用和实践，期待你的聆听，也期待与你一起交流。具体内容包括：

1. 数据治理的困难与挑战

2. 数据治理的顶层设计和架构

3. 数据治理自动化和智能化的最佳实践

4. 思考总结与未来展望

听众收益：

1. 了解蚂蚁数据治理的设计思路

2. 深度解读蚂蚁“无感降本”技术如何高效实现

3. 探讨数据治理领域未来趋势

个人介绍：毕业于中科院软件所，目前在Shopee负责电商直播为主的内容电商算法，曾在腾讯，阿里，百分点工作过。主要研发方向包括推荐，内容生态，用户增长，营销等。

演讲题目：面向2026年的推荐算法前瞻

演讲提纲：

• 常规的推荐系统范式已经逐渐走入瓶颈，原因是在当前固定化的问题描述下模型和系统几乎已经发展 到极限。当前的主要范式是模型是召回+排序+重排，系统上是样本挖掘+特征工程+线上打分预估能力建设。一线大厂在上述领域已经把空间几乎挖掘殆尽。

• 同时可以看到，我们的用户仍然对当前推荐系统满意度并没有达到理想态。推荐系统是一个非常面向 于用户满意的平台系统，而用户满意是一个永远有不同理解的问题,正如“一千个用户眼里有一千种好 的推荐系统理解”。同时，我们的推荐系统效果和平台的最终价值之间仍然存在差距。

• 构建更好的推荐系统需要我们对重新定义“什么是好的推荐系统”。

• 这并不是学术界的“强行挖坑”或者“继续填坑”，而是不同层面上都在呼唤新的定义。

• 事实上，新的推荐系统已经零散的在学术界和工业界展现星星之火。

听众收益：

1）了解未来3年的推荐系统前沿问题，把握大局方向。

2）参与我们的推荐算法的github开源项目： OneRec。

个人介绍：本科毕业于华中科技大学，先后在大型股份制商业银行、四大央企和国信证券从事数据治理工作。在商业银行总行开展数据治理，推动全行的数据标准制定、客户数据质量检核、元数据的管理和平台工具建设，在四大央企之一开展集团主数据建设，进行集团组织、员工、物料主数据的规划、实施和推广，目前在国信证券开展数据治理工作，负责公司数据治理组织、制度、流程、工具的规划、设计和实施落地。

演讲题目：基于需求驱动的数据治理场景化实践

演讲提纲：在大数据时代，数据治理已经成为了企业数字化转型的必经之路。然而传统的数据治理和数据资产管理工作往往偏向中后台，如何将数据资产管理与业务、开发结合，将数据治理由管控走向服务，更好地体现数据资产的成果和价值，是目前行业数据治理共同面临的痛点和挑战。为此，本次分享从需求管理的思路出发，面向监管报送、资产管理、经营分析等实际的业务场景以及模型开发、测试和生产环境一致性保障等开发场景，剖析痛点和需求，设计方案，实现数据治理的场景化落地。

听众收益：

1. 数据治理缺乏业务配合，如何驱动业务和开发的积极性？

2. 数据治理流于形式，如何嵌入日常的研发节点？

3. 数据治理涉及领域众多，如何融合打通？

个人介绍：15年加入平安，目前负责平安产险大数据基础平台研发管理优化等工作。

演讲题目：数字化转型下的大数据平台治理

个人介绍：2014 年毕业于中国科学院。毕业后加入 NVIDIA 至今，任 DevTech 团队研发经理。主要负责中国区大客户技术项目合作和技术研发。

演讲题目：TensorRT LLM 介绍

演讲提纲：TensorRT LLM 是 NVIDIA 加速 LLM 推理的开源解决方案。TensorRT LLM 提供了 python 接口，灵活的模块化组件，丰富的预定义主流模型，极大地方便了开发者在 NVIDIA平台上部署基于 LLM 的服务；同时，NVIDIA 投入了大量工程师对 TensorRT LLM 做了极致优化，包括主流的量化算法 （smoothQuant, GPTQ, and AWQ）, in-flight batching, Tensor 和 pipeline 并行等推理加速优化方法。TensorRT LLM 除了具备业界领先的推理性能，同时也在不断提高它的易用性。

1 什么是 TensorRT LLM?

2 TensorRT LLM 主要特点

3 如何使用 TensorRT LLM

4 TensorRT LLM 性能

5 TensorRT LLM 展望

听众收益：

1 理解 TensorRT LLM 产品定位

2 熟悉 TensorRT LLM 主要功能和使用方法

3 了解 TensorRT LLM 主要优化手段

个人介绍：BentoML 全栈工程师，Python 玩家，开源爱好者。负责 BentoML 项目的开发。著名 Python 包管理器 PDM 作者。

演讲题目：使用 OpenLLM 构建和部署大模型应用

演讲提纲：

一、大模型应用部署的挑战

二、使用OpenLLM 快速启动一个大模型的应用

a. 通过 OpenLLM 调用大语言模型

b. 通过OpenLLM启动一个HTTP server

c. 使用命令行进行模型推理

d. 使用Python Client与应用交互

e. OpenLLM 与 langchain的集成

f. 模型推理性能的优化

三、使用 BentoML 工具构建并部署大模型应用

a. BentoML 简介

b. 构建一个bento

c. 将Bento部署到bentocloud

听众收益：

1. 如何使用常见的LLM快速启动一个应用

2. LLM应用性能优化的方法

3. BentoML 框架的安装与使用方法

个人介绍：俞一鹏，浙江大学计算机专业博士毕业，博士期间在新加坡国立大学进行联合培养。曾在IBM中国研究院担任研究科学家，在腾讯担任高级研究员。工作期间主要研究方向为自然语言处理和多模态，涉及内容创作、内容理解和内容推荐，也负责过“游戏内的自然语言交互”的AI项目。在IJCAI、ACM MM和Ubicomp等国际A类顶会上发表过多篇一作论文，有十几项已授权的中国和美国专利。

演讲题目：生成式AI在淘宝内容的研究与应用

演讲提纲：演讲主要介绍AIGC技术在淘宝内容化业务中的算法研发和业务应用。具体包括：

1.UGC互动创新玩法

2.视频剪辑&生成技术

3.多模态大语言模型的落地挑战

听众收益：

1.AIGC技术在UGC互动的创新玩法尝试

2.视频剪辑&生成技术如何赋能商家和用户

3.多模态大语言模型的快速迭代和效果评估

个人介绍：京东大数据产品总监，中国人民大学MBA，十年以上大数据从业经验，具有数据中台化、数据业务化、数据智能化的落地实践经验。

演讲题目：京东物流一站式敏捷BI产品规划与落地实践

演讲提纲：

- 京东物流业务数据应用现状及挑战。

- 一站式敏捷BI产品的规划与迭代升级路径。

- 业务应用实践案例。

听众收益：

- 理解敏捷BI产品规划和设计要点

- 学习如何提升BI类数据产品的性能和用户体验

- 学习BI产品助力业务自助式实现数据分析的实践路径

个人介绍：严明，中科院自动化所博士，阿里巴巴通义实验室NLP高级算法专家。主要研究方向为对话问答、预训练语言模型与多模态内容理解，目前为团队多模态大模型基础技术负责人。曾在SQuAD/GLUE/MSMARCO/VQA等10多个国际赛事中取得第一，并4次取得超越人类基准的结果，发表ICML/ACL/EMNLP/ICLR/CVPR/AAAI等40多篇国际顶级会议论文，目前负责通义星尘个性化大模型基础技术与X-PLUG开源体系构建。

演讲题目：通义星尘个性化大模型相关技术与应用

演讲提纲：

1. 大模型技术发展背景

2. 通义星尘个性化大模型技术体系：个性化、多模态、Agent智能体等

3. 通义星尘个性化大模型应用案例

听众收益：

1. 个性化大模型与通用大模型的区别

2. 通义星尘个性化大模型和通义mPLUG多模态大模型技术体系

3. 通义星尘个性化大模型真实项目应用案例

个人介绍：哔哩哔哩资深开发工程师，Apache Paimon PPMC，Apache Kyuubi & RocketMQ Committer，主要负责哔哩哔哩 Remote Shuffle Service。

演讲题目：Apache Paimon：实时数据湖 Streaming Lakehouse 的存储特性解读

演讲提纲：

1. 实时数据湖痛点剖析

2. Apache Paimon 架构概览

3. Apache Paimon 特性解读

4. Apache Paimon 入湖实践

5. Apache Paimon 规划展望

听众收益：了解实时数据湖 Streaming Lakehouse 的存储底座概况，熟悉 Apache Paimon 实时数据湖的架构原理和实践案例。

个人介绍：华为翻译中心技术专家，华为机器翻译产品和数据负责人，中国翻译协会翻译技术委员会副主任委员。于2006年加入华为，有丰富的机器翻译产品开发和数据构建经验。

演讲题目：机器翻译数据增强实践

演讲提纲：介绍华为翻译中心在机器翻译任务上的数据处理、数据增强实践。

听众收益：

1. 如何提升机器翻译训练数据的质量。

2. 哪些是更有效的机器翻译数据增强策略。

个人介绍：南京邮电大学硕士研究生毕业，目前就职于华为，从事nlp算法研究工作，研究方向主要包括大模型、机器翻译、语音翻译和知识图谱等领域，相关研究成果发表于ACL，EMNLP和IJCKG等会议，发表论文共计10余篇，也参加过近两年的WMT、CCMT、IWSLT、NLPCC、CCKS比赛，并拿下了多个赛道的第一。

演讲题目：盘古大模型微调实践

演讲提纲：

1. 什么是大模型

2. 大模型发展历程

3. 大模型微调目的

4. 大模型微调技术

5. 大模型微调加速方法

6. 大模型微调效果提升手段

听众收益：

1. 如何进行大模型微调？

2. 如何加速大模型微调？

3. 如何提升大模型微调效果？

个人介绍：中科大硕士，曾服务于百度腾讯等互联网大厂，在大数据人工智能领域有十多年经验。

个人介绍：姚亮，现任腾讯高级研究员，博士毕业于浙江大学，曾在美国西北大学任博士后研究员。以第一作者在AAAI、SIGIR、TKDE等顶级会议及期刊发表论文多篇，谷歌学术H指数21，入选全球前2%顶尖科学家、AI 2000人工智能全球最具影响力学者。现在腾讯游戏从事图学习、大语言模型相关的研究和落地。

演讲题目：腾讯游戏的图学习研究与落地

演讲提纲：

1. 大规模图学习算法 PB-GNN

2. 链路预测算法的研究与应用落地

3. 大语言模型在知识图谱补全的应用

听众收益：熟悉大规模图学习算法，链路预测算法，图预训练算法、大语言模型和知识图谱的结合。

个人介绍：毕业于代尔夫特理工大学，专注于图计算与知识图谱在Akulaku各种智能应用的落地。

演讲题目：图计算在 Akulaku 智能风控中的应用

演讲提纲：

1. Akulaku 的应用场景简述

2. 应用场景分类与系统设计

3. 应用场景举例

4. 总结

听众收益：

1. 图计算在智能风控场景落地的难点与方案

2. 图计算与大模型融合的可能方向

个人介绍 ：Alexey 毕业于莫斯科国立大学，拥有数学学位。他的兴趣领域包括数据处理算法和技术，他热爱数据和高性能。拥有13年的设计、开发和操作数据密集型应用程序的经验。他于2009年开始着手ClickHouse初始模型的策划和开发，并于2016年将其释放为开源项目。在ClickHouse之前，他开发了全球第二大网络分析系统的数据处理引擎。

演讲题目：ClickHouse 2024 新功能与研发方向思考

演讲提纲：ClickHouse是业内公认最快的OLAP数据引擎，同时clickHouse也在面对来自包括中国区在内的全球的优秀产品的竞争，这也激励了我们更加努力地发展社区，完善我们的产品。我们非常愿意分享我们产品的新功能新特性以及未来的roadmap，我们也希望听到来自中国社区和用户的期望。

个人介绍 ：Derek 谢志豪是 ClickHouse 的技术支持工程师。主要工作范围包括帮助大型客户解决重大技术问题，优化 Clickhouse 集群，提升使用体验。Derek 毕业于新加坡国立大学 (NUS) 获得信息系统学位，在 ClickHouse 工作之前一直从事数据平台的优化和管理工作。

演讲题目：ClickHouse 2024 新功能与研发方向思考

演讲提纲：ClickHouse是业内公认最快的OLAP数据引擎，同时clickHouse也在面对来自包括中国区在内的全球的优秀产品的竞争，这也激励了我们更加努力地发展社区，完善我们的产品。我们非常愿意分享我们产品的新功能新特性以及未来的roadmap，我们也希望听到来自中国社区和用户的期望。

个人介绍：任强，2020年7月加入火山引擎 ByteHouse 团队，一直从事实时导入相关研发工作，目前负责实时导入模块。

演讲题目：火山引擎 ByteHouse 的云原生探索与实践

演讲提纲：近年来，随着云基础设施的成熟和数仓技术的发展，云原生数仓凭借按量付费、按需弹性的特点越来越受到客户的青睐。字节跳动在云数仓领域有十多年技术经验积累，并基于开源 ClickHouse 推出的云原生数据仓库 ByteHouse。本次分享将从云数仓历史和前沿出发，介绍 ByteHouse 云数仓的整体架构和亮点，以及存算分离的关键设计与实践。主要包括以下内容：

1. 数仓架构演进历史

2. 云数仓演进中的技术难点和问题

3. ByteHouse 云数仓架构设计以及存算分离的关键技术

4. ByteHouse 存算分离的实践与优化

听众收益：

1. 了解云原生数仓的发展与核心价值

2. ByteHouse 云数仓的架构设计与技术亮点

3. 云原生数仓的挑战和展望

个人介绍：硕士毕业于荷兰莱顿大学计算机专业，毕业后加入腾讯音乐至今，负责QQ音乐、IOT等多端多业务推荐算法优化。

演讲题目：QQ音乐推荐排序算法实践

演讲提纲：

1. QQ音乐推荐整体架构

2. 精排算法设计

3. 跨域推荐相关算法详解及探索

4. 总结与展望

听众收益：了解QQ音乐推荐概况，熟悉多目标及多场景推荐的相关算法及应用实践。

个人介绍：滴普科技高级研究员，《ClickHouse性能之巅》作者。数据智能领域资深架构师，曾主导OPPO智能缺陷识别、威视智能瞳孔检测、百丽丽影等多个数据智能项目技术架构的设计工作，有丰富的大模型落地经验。目前着眼于大模型在不同领域上的工程化落地。

演讲题目：领域模型生产指南

演讲提纲：

1. 领域模型的难点

a. 领域模型和通用大模型的异同点

b. 领域模型的三大难点及其详细说明

2. 领域模型的训练方法论

a. 针对上诉难点的各种方法论

听众收益：

1. 了解领域模型与通用模型的不同

2. 了解领域模型存在的几大难点

3. 如何应对这三大难点的多种可行方法论

个人介绍：滴普科技语言模型研究员，“CHAOS万有引力”公众号作者，发表过多篇国际会议和sci论文，五年深度模型开发经验。主要研究方向为大语言模型，机器视觉，有丰富的模型开发优化经验，同时在因果推断，推荐系统，知识图谱等领域也有一定兴趣和开发经验。

演讲题目：大语言模型优化：Fine-Tuning 技术与方法实践

演讲提纲：

1. Fine-Tuning 大语言模型的必要性分析

a. 什么样的情况下需要 fine-tuning 大语言模型

b. fine-tuning 大语言模型需要准备些什么

2. fine-tuning 算法介绍

a. 一般过程及原理

b. 模型量化

c. qlora

d. Neftune

e. …

3. 测试自己的大语言模型

a. 各种测试平台，工具，方法，标准介绍

b. 定义自己的测试指标和方式

听众收益：

1. 了解如何 fine-tuning 大语言模型

2. 了解 fine-tuning 的方法和策略

3. 了解 fine-tuning 大语言模型评估方法

个人介绍：英国谢菲尔德大学计算机硕士，海南数造科技高级技术专家。10年+金融行业实践经验，10年+大数据、知识图谱与自然语言研发经验。

演讲题目：DataOps 加大模型促进数据工程创新

演讲提纲：在数字化时代，数据管理和分析至关重要，而传统数据管理和分析存在诸多的挑战，在此背景下通过分析 DataOps 大模型的特点，提出 DataOps 的基础上结合大模型能力，实现数据工程的敏捷和智能化，促进数据分析的快速交付和数据民主。本次分享的主要内容包括：

1. 传统数据管理面临的挑战

2. DataOps 与大模型结合激活数据工程潜力

3. 数造科技 DataOps 与大模型的产品落地实践

4. 未来展望

听众收益：

1. DataOps 的工作流程

2. 大模型 Text2SQL 的能力

3. DataOps + 大模型如何进一步提效数据工程

个人介绍：于翔，新浪微博机器学习平台深度学习框架负责人，目前主要负责机器学习平台的大规模稀疏模型训练推理服务、图深度学习系统等。

演讲题目：大规模图深度学习训练在新浪微博的工程落地实践

演讲提纲：本次主要跟大家分享在大规模图学习落地过程中，遇到的一些问题与解决方法，其中包大规模图训练的挑战，开源训练框架选择与落地优化，介绍下图学习场景的业务实践。

听众收益：了解大规模GNN遇到的训练挑战与解决方案。

个人介绍：目前在OPPO数据架构组负责架构演进研发，Spark 开源RSS项目Shuttle发起人，曾供职去哪儿网大数据，阿里云MC团队。

演讲题目：OPPO下一代大数据AI一体架构实践

演讲提纲：

技术架构：

1、云原生的计算架构：

云上极致弹性计算架构助力大幅降本

2、大数据AI一体化数据湖架构：

秒级实时、元数据管理、自动索引构建、非结构化数据管理

应用落地：

1、多数据源一键实时入湖，多维度数据秒级查询可见，代替部分实时场景对kafka依赖，流批一体，实现大幅降本增效

2、基于数据湖的实时特征平台建设，基于实时湖仓+Flink，实现流批一体特征工程数据开发，PB级特征近实时更新

3、大模型非结构化文本训练数据入湖，加速大语言模型训练

4、数据湖在混合云场景应用

听众收益：了解新一代大数据AI一体架构如何在公有云上降本增效，大数据和AI如何在数据层一体化，不仅了解数据湖本身的技术架构，同时将了解在实时湖仓、搜推算法、大模型训练、混合云上不同场景的应用落地经验。

个人介绍：电子科技大学硕士毕业，曾服务于中通服，TeraData 等知名公司。现就职于平安集团科技会安保中心数据管理部门，任技术平台组负责人（高级经理），曾负责引领集团数据中台的规划、建设，现负责集团数据技术管理运营工作以及集团数据管理平台的建设。

演讲题目：模型赋能下的数据安全合规管理

演讲提纲：

1. 数据合规管理的架构

2. 合规知识库的构建

3. 借助大模型进行智能合规监测

4. 实现全生命周期的数据合规监测 - DCMM评估模型,评判数据能力成熟度 - PIA评估个人信息收集利用合规性

5. 构建数据合规化指标体系,实时监测风险

听众收益：

1. 学习使用大模型构建智能化数据合规知识库

2. 了解如何利用大模型进行数据合规能力评估

3. 获取利用大模型提升数据合规水平的行业经验

个人介绍：上海交通大学、佐治亚理工学院双硕士。毕业后就职于腾讯，先后参与和负责QQ旋风、QQ公众号、腾讯看点、QQ浏览器、游戏内容中台相关数据和AI建设工作。

演讲题目：AIGC在游戏内容创作领域的应用

演讲提纲：

1.行业背景

游戏内容业务背景

研究现状与挑战

游戏智能创作效果

2.文本生成与游戏内容创作

文本生成相关技术

在实际场景的应用效果

3.图片生成与游戏内容创作

图片生成相关技术

在实际场景的应用效果

4.视频生成与游戏内容创作

视频生成相关技术

在实际场景的应用效果

5.未来的机遇与挑战

听众收益：

1、了解游戏内容业务背景，以便更好地把握市场趋势和发展方向

2、了解游戏智能创作的研究现状与挑战

3、掌握文本生成、图片生成和视频生成等相关技术在游戏内容创作中的应用，为实际业务提供参考

个人介绍：硕士，毕业于上海交通大学，在上海炎凰数据主要负责时序数据库的开发。之前在Splunk工作，主要参与数据采集相关的开发工作。

演讲题目：使用JIT技术实现高效的数据库表达式求值

演讲提纲：

1. 介绍数据库表达式求值的一般方法

· 什么是表达式求值问题

· 常见方法如向量化/JIT/树遍历等

· 不同的数据库的解法

2. JIT即时编译技术

· 什么是JIT即时编译技术

· JIT技术的优缺点

3. 使用Gandiva表达式编译器

· 介绍Apache Arrow

· 介绍Gandiva表达式编译器, LLVM及其工作

听众收益：

1. 如何对数据库表达式求值

2. JIT即时编译技术的基本概念以及为什么需要JIT

3. 如何使用Apache Arrow/Gandiva的JIT即时编译技术加速计算

个人介绍：张杰，长期从事大数据、云计算、深度学习相关方向，擅长云计算、深度学习平台、超大规模模型训练、自动模型并行策略等领域。负责PAI平台的深度学习框架ChatLearn、TorchAcc和EPL等。

演讲题目：PAI-ChatLearn：灵活易用、大规模 RLHF 高效训练框架

演讲提纲：PAI-ChatLearn 是阿里云机器学习平台 PAI 团队自主研发，灵活易用、大规模模型 RLHF 高效训练框架。支持大模型进行 SFT（有监督指令微调）、RM（奖励模型）、RLHF（基于人类反馈的强化学习）完整训练流程。PAI-ChatLearn 支持大规模（175B + 175B）模型的 RLHF 高效训练。本次演讲对 PAI-ChatLearn 的架构、性能、以及如何进行高效 RLHF 训练等进行简要的介绍。

个人介绍：雷春蔚，Apache Calcite PMC，具有多年大数据从业经验，主攻 SQL 引擎性能优化，先后负责了阿里云 MaxCompute 物化视图、dynamic filter、索引等核心功能的设计和开发。

演讲题目：物化视图在 MaxCompute 中的探索与实践

演讲提纲：物化视图是将查询预先计算并存储的一张特殊的物理表，当执行相关查询时，可以复用预计算结果，提高查询性能，是降本增效的妙招；本次演讲将从物化视图创建、物化视图维护、物化视图应用和物化视图推荐及自动物化视图4个方面介绍物化视图在 MaxCompute 中的探索和实践。

个人介绍：阿里云DataWorks产品负责人，打造全链路数据开发治理平台支撑阿里巴巴集团与阿里云上众多客户的数字化转型。

演讲题目：AI For Data，大模型驱动阿里云 DataWorks 数据开发治理新范式

演讲提纲：“一站式”已成为数据平台产品的共识，随着 AI 新浪潮袭来与大模型的发展落地，阿里云 DataWorks 从一站式到全面智能化演进，DataWorks Copilot 帮助数据开发和分析提效 30%，让企业数据治理进入“自动化”阶段，帮助企业构建下一代数据开发治理新范式。

个人介绍：曾先后就职于TCL、vivo等公司，拥有9年互联网领域和大数据领域实践经验，长期从事互联网高并发、高性能、海量数据接入、海量消息处理等领域的相关工作。对于互联网、物联网、大数据领域服务稳定性、架构升级、增效将本等场景有较为丰富的方案设计及落地经验。目前就职于vivo公司担任vivo互联网大数据专家，负责超大数据规模下分布式消息中间件的架构升级、可用性保障、增效降本及分布式消息中间件容器化等方面工作。

演讲题目：vivo 超大数据规模下分布式消息中间件架构演进实践

演讲提纲：

1. 十万亿级消息中间件架构演进实践

2. 超大数据规模下Pulsar核心架构优势

3. 超大数据规模下消息中间件高可用保障体系及可观测

4. 未来规划

听众收益：

1. 了解vivo 日均十万亿级的消息规模下分布式消息中间件平台在高可用性、增效降本等场景下的技术方案思考和相关难点问题的解决思路，以及下一代云原生分布式消息中间件Pulsar在超大数据规模下的架构优势

2. 了解vivo 超大数据规模下消息中间件高可用保障体系及可观测实践

3. 了解vivo 超大数据规模下消息中间件未来规划

个人介绍：余文毅，2020年加入 OPPO，现任互联网广告召回算法负责人。先后就职于腾讯、OPPO，长期深耕广告推荐算法领域。目前主要负责召回算法优化，也在重排算法、行业优化算法等领域有一定实践。

演讲题目：OPPO 广告召回算法实践与探索

演讲提纲：主要介绍 OPPO 互联网广告业务下，“面向最终目标的广告召回算法”的实践与探索经验，包括：

1. 召回模型架构选型的分析与实践

2. 召回离线评估标准的建设与迭代

3. “面向最终目标的广告召回算法”的业务优化实践与模型优化探索

听众收益：希望能通过我们的分享，给从业者们一些参考：

1. “面向最终目标的广告召回算法”的利与弊

2. 召回算法离线评估指标的探索经验

3. 召回算法的业务优化与模型探索经验

个人介绍：计算机科学与技术硕士，曾任职于腾讯，现在 vivo 负责大数据研发工作，OLAP 项目负责人，专注于大数据系统和 OLAP 数据库的技术研发工作，具有8年大数据从业经验。

演讲题目：ClickHouse 在 vivo 的应用实践

演讲提纲：

1. vivo OLAP 的发展历程与选型

2. ClickHouse 的稳定性实践

3. ClickHouse 查询优化实践

4. ClickHouse 实践案例

听众收益：

1. 了解 ClickHouse 常见的稳定性问题及解决方案

2. 了解 ClickHouse 的查询优化方面的实践技巧

3. ClickHouse 如何赋能业务，带来降本增效

个人介绍：硕士毕业于南京大学计算机系，具有多年大数据和分布式系统研发经验，对 Spark、Flink、Kafka、Pulsar 等大数据组件和消息中间件有深入的理解，目前在微信 WeOLAP 团队参与以 Clickhouse 为基座的海量数据亚秒级分析系统研发。

演讲题目：WeOLAP：微信 OLAP 新场景优化实践

演讲提纲：

1. ClickHouse 在微信的新应用场景

2. 如何进行查询性能观测

3. 湖仓读取场景优化

4. 实验场景优化

5. 向量数据库应用 & embedding 检索优化

个人介绍：黄海林，灵犀互动数据服务 leader，Roaringbitmap Java 版 BSI 作者。

演讲题目：Bit-sliced-index：基于 Roaringbitmap 的人群 OLAP 分析、在线服务的 one more thing?

演讲提纲：

1. 灵犀互娱面向游戏用户的数据难题

2. 元数据驱动数据架构设计

听众收益：

1. 人群和指标的高效联动分析

2. 高性能人群服务如何设计

个人介绍：唐凯麟，计算机科学与技术硕士，专注于大数据系统和数据平台的技术研发工作，现在主要负责阿里巴巴-灵犀互娱数据平台开发。

演讲题目：Bit-sliced-index：基于 Roaringbitmap 的人群 OLAP 分析、在线服务的 one more thing?

演讲提纲：此次分享将介绍现代 DMP 平台中的数据存储与计算面临的特点与挑战，以及为灵犀互娱针对海量数据的建模与存储计算优化策略。具体包括：

1. 灵犀互娱业务数据应用现状及挑战

2. 基于 Roaring Bitmap 与 Bit-Index Slice 的数据存储、计算原理介绍

3. 案例分享

听众收益：

1. 海量数据建模、存储与计算解决方案

2. 如何构建高效的海量数据平台架构快速进行数据分析