帕特里克夏莲娜
毫升工程团队领导,Zynga
帕特里克夏莲娜毫升工程团队在Zynga,他工作在productionalizing毫升工作流和个性化技术发展。Zynga之前,他曾在亚马逊的ML营销平台。bob体育客户端下载他收到了大学生在计算机工程和统计多伦多大学的硕士学位。他住在多伦多,加拿大。
过去的会议
深入强化学习推动激动人心的AI的突破,就像自动驾驶汽车,击败了世界上最好的球员去甚至赢得在星际争霸。企业如何能够利用这种力量对于真实世界的应用程序?Zynga每月有超过7000万活跃用户为我们的手机游戏。我们成功地使用RL个性化我们的游戏,增加接触。这个谈论我们的教训productionizing深RL申请每天数以百万计的玩家使用工具像火花一样,MLflow TensorFlow。听到什么可行,什么不工作时将前沿的人工智能技术应用于现实世界的用户。
外卖:
- 如何应用深度强化学习来解决业务问题
- 理解应用RL行业出现的挑战
- 我们如何使用砖,火花和MLflow productionize RL吗
- 提示和技巧培训RL真实世界的应用程序的代理
点击流数据混乱。一个用户会话在Zynga游戏可以产生成千上万的事件,每个游戏、客户端版本和操作系统有自己的事件模式。不幸的是,大多数毫升模型需要格式化为一个统一的训练数据矩阵,每个用户都有相同的列。这是一个耗时的挑战开发特性集,捕获所有的微妙的趋势和事件流的相互作用。
在Zynga我们已经开发出一种技术来表示与时间的热图特性集用户游戏操作。利用PySpark的力量,我们的通用数据管道可以产生成千上万的功能而不需要手动地解释每个游戏的事件。的图形结构的热图允许我们利用建立的图像分类技术来进行个性化的用户级的预测。在30分钟内安装我们的游戏,Zynga能够做出准确的预测是否一个新的安装程序将生产或成为一个付款人。
会话标签:# DSSAIS15
