Talk预告 | 腾讯微信司马驰骏：OSDI论文分享-Ekko:大规模推荐系统模型低延时更新

本期为TechBeat人工智能社区第439期线上Talk。

北京时间9月14日(周三)20:00，腾讯微信/Senior SDE——司马驰骏的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是: “OSDI论文分享-Ekko:大规模推荐系统模型低延时更新”，届时将介绍Ekko，一个创新的深度学习推荐系统，能够低延迟地进行大规模模型参数更新。

 

Talk·信息

▼

主题：OSDI论文分享-Ekko:大规模推荐系统模型低延时更新

嘉宾：腾讯微信/Senior SDE 司马驰骏

时间：北京时间 9月14日 (周三) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

 点击下方链接，即可观看视频 

TechBeatTechBeat是荟聚全球华人AI精英的成长社区，每周上新来自顶尖大厂、明星创业公司、国际顶级高校相关专业在读博士的最新研究工作。我们希望为AI人才打造更专业的服务和体验，加速并陪伴其成长。https://www.techbeat.net/talk-info?id=712

Talk·介绍

▼

本文提出了 Ekko，一个创新的深度学习推荐系统，能够低延迟地进行大规模模型参数更新。Ekko 包括一个高效的点对点更新算法，能够协调十亿级别的模型更新，进行高效传输至地理分散数据中心的副本。它进一步设计了一种 SLO 保护机制，能够保护模型状态不受网络拥塞和有害模型更新的影响。实验结果显示 Ekko 能够大幅降低深度学习推荐系统的延迟，验证了其创新设计的有效性。

具体分享提纲如下：

1. 推荐系统实时性介绍、业界方案对比

2. Ekko系统概述

3. 如何实现模型低延时多地更新

4. 模型效果保护

5. 效果及总结

Talk·预习资料

▼

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

Talk·提问交流

▼

通过以下两种方式提问都将获得微信现金红包奖励哦！

方式 ①

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

方式 ②

在本文留言区直接提出你的问题！

 

Talk·嘉宾介绍

▼

司马驰骏

腾讯微信/Senior SDE

Chijun Sima, 腾讯微信Senior SDE。主要研究方向为MLSys/Serverless/DB。

个人主页：

Linkedin: chijun-sima

-The End-

关于TechBeat人工智能社区

▼

TechBeat(TechBeat)隶属于将门创投，是一个荟聚全球华人AI精英的成长社区。

我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。

期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>TechBeat，一个荟聚全球华人AI精英的学习成长社区