出品人：刘  涛 
中兴通讯资深AI算法专家/ 开源Adlik项目架构师
中兴通讯资深AI算法专家，主要研究领域为AI模型并行训练，模型推理优化，高性能计算，异构硬件模型部署等技术，在相关领域取得多项专利，也是 Adlik 开源项目首席架构师，为社区多次贡献代码，撰写多篇模型优化部署领域相关的ORAN组织标准提案，近几年在WAIC，百度WaveSummit，CSDN 1024，LF AI 峰会等活动中宣讲模型部署和优化相关技术，促进AI应用生态圈建设。目前担任中兴AI预研项目经理。                                                                                           

MLOps

MLOps是机器学习运营的方法论，将机器学习模型应用于实际业务。它包括数据管理、模型开发、训练、部署和监控。主题词有自动化、可重复性、可扩展性和可监控性。通过这些环节，实现模型的生命周期管理和部署。                                                                                                                                                          
OpenMLDB：以实时特征驱动实时智能决策                   
陈迪豪
第四范式平台架构师
目前担任OpenMLDB PMC以及第四范式平台架构师，曾担任小米云深度学习平台架构师以及优思德云计算公司存储和容器团队负责人。活跃于分布式系统、机器学习相关的开源社区，也是HBase、OpenStack、TensorFlow、TVM等开源项目贡献者。 Austin OpenStack Summit、CPP Summit、Strata Hadoop Conference、ML Summit、ECUG、GIAC、BDTC等国内外会议上做过技术分享。                  
内容简介：
在当前越来越流行的AIGC应用中，特征管理成为实现AI应用的关键要素。本次分享将介绍一种基于高性能特征数据库的特征管理平台。相较于目前社区开源的Feature Store方案，这个下一代平台在实时计算性能、特征定义难度以及特征管理界面方面都有显著的提升。该平台底层采用高性能的时序数据库OpenMLDB，支持通过SQL来上线特征，同时还支持多组特征的自动组合和一键上线功能。我们还将介绍第四范式公司如何在新的特征平台上进行AI应用落地实践，以便更好地理解这个特征管理平台的应用价值和优势。                                                                                                                                                                                                                                               
演讲提纲：
1、实时智能决策的工程化挑战
2、OpenMLDB 提供线上线下一致的实时特征计算
3、社区生态和案例分享                                                                                                                                                  
                                                                      
听众受益：
1、了解目前主流的特征管理平台项目和技术
2、了解AI应用落地流程以及特征平台工具用法
3、了解高性能特征计算项目的架构与实现                                                                                                                                 
Byzer： 以数据库方式管理大模型全生命周期 
内容简介：
大模型是AI发展的一个里程碑，它正在改变社会的方方面面。Byzer 作为Data+AI的语言和底座，已经有六年之久，使用 SQL 作为交互语言，以数据形态帮助企业快速的在诸如ETL,数据分析，流式计算（风控）以及APP应用等各种场景中使用大模型。                                                                                                                                        
                                                                                                                                                                              
演讲提纲：
1、为什么我们开发 Byzer 数据库
2、我们为什么称 Byzer 是 AI 数据库
3、 我们是如何实现这个 AI 数据库的
4、我们如何使用 SQL 完成主流开源/SaaS模型的预训练，微调，部署，和调用
5、如何快速将 Byzer 数据库应用与企业业务中
6、Future Byzer 大数据库社区现状和未来的发展  

听众受益：
1、以数据库的方式和理念，管理大模型全生命周期
2、快速利用 Byzer AI数据库以天、周为单位帮助公司落地AI业务场景                                                                   
祝海林
Byzer社区PMC
资深数据架构师
Kyligence技术合伙人
Byzer社区PMC/资深数据架构师/Kyligence技术合伙人，拥有15+年研发经验。 一直专注在Data + AI 融合方向上，致力于帮助企业更好的落地 Data+AI。个人热衷于开源产品的设计和研发，Byzer/MLSQL 为其主要开源作品。最新工作 Byzer-LLM 助力企业快速落私有化大模型。Byzer 获得22年中国开源创新大赛二等奖，23年浦东新区人工智能创新大赛一等奖， 个人入选中国22年开源先锋33人，荣获23年全球人工智能开发者先锋大会「开发者先锋」称号。
企业级AI应用平台落地实践
内容简介：
讲述chatgpt引爆AIGC浪潮下，中兴通讯内部如何从0到1搭建企业级AI应用平台，以及如何将平台高质量数据反馈给模型用于模型后续更新迭代。                                                                          
                                                                                                                                                                                                                     
演讲提纲：
1、背景：介绍 AIGC 冲击下中兴通讯内部各产品对 AI 能力增强的迫切需求
2、平台演进及实践：介绍中兴通讯内部，如何在不同阶段内一步步搭建 AI 平台并推动其功能演进
3、收益与价值：借助 AI 应用平台，终端用户如何收益；数据如何流转反向迭代模型
4、未来展望：介绍AI 平台下一步的演进方向和思考                                                                                                                                                                                                                                                                                                            
听众受益：
1、了解企业内部如何打造平台级AI应用平台，避免重复造轮子
2、各产品如何在现有能力上做AI能力增强
3、如何在模型训练时收集有效数据                                                               
张洋洋 
中兴通讯IT技术架构产品交付经理
14年南京理工大学计算机应用技术硕士毕业后进入中兴通讯，16年进入DevOps领域，先后负责公司级DevOps流水线、代码库、制品库的建设和管理，曾管理公司10+W核CI/CD资源，有丰富高并发资源调度经验。22年底开始接触LLM并负责公司基于LLM应用平台的建设，推动公司产品的AI能力集成。                  
AI生产力助燃剂: MLOps能力体系建设与实践         
内容简介：
本次演讲将分享如何通过高效构建和落地实践MLOps（Machine Learning Operations）能力体系来提升AI生产力。MLOps是一种生命周期驱动的方法，旨在将机器学习模型从实验室带到生产线，使生产流程更加高效，制品质量更加稳定，过程更加合规安全。我们将分享MLOps的方法论，如何有效地建设自己的MLOps体系，如何落地MLOps实践，大模型时代MLOps的新内涵及MLOps展望。                                                                                                                                                                                                                                                       
演讲提纲：
1、MLOps的核心原则
2、如何建设MLOps能力体系
1）流程架构图
2）必备的技术栈
3）团队协作与角色划分
3、如何落地MLOps实践
1）关键能力和工具链
2）优秀实践分享
4、大模型时代MLOps的新内涵
1）大模型给MLOps带来的挑战
2）LMOps给传统MLOps带来的新变化
5、MLOps展望

听众受益：
1、深入了解MLOps的定义、重要性和与DevOps的区别，提升对AI生产力的理解。
2、全面了解ML生命周期，包括流程架构、工具链和实践中可能面临的挑战。
3、学习如何建设MLOps能力体系，包括必备技术栈、团队协作与角色划分，并参考别家公司的优秀实践。
4、了解大模型时代下LMOps的新内涵，以应对传统MLOps的新变化。
5、获得信通院在MLOps方面的工作动态，了解业界最新进展和创新实践                                                                       
胡  慧
中国信通院人工智能工程化研究员
2021.01-2021.12：北京网易有道信息技术有限公司任职Python教研，制作Python入门、人工智能科普课程，开展录播和直播答疑，广受学生好评；
2022.1-至今：中国信息通信研究院任职人工智能工程化研究员，牵头编制国内首套MLOps系列标准《人工智能研发运营一体化（MLOps）》（包括开发管理、模型交付、模型运营、大模型运营平台）和国内首个MLOps实践指南白皮书。
演讲经验：
1）2022.10于全球运维大会（上海站）上分享《从DevOps到MLOps， Software2.0时代的进化之路》；
2）2023.5于杭州通用人工智能论坛-AI基础软件前沿技术分论坛分享《洞察MLOps：机器学习工作流程的优化与实践》。
京ICP备2020039808号-4
返回顶部