陈迪豪
第四范式资深架构师
个人介绍：
活跃于Kubernetes、TensorFlow等开源社区，维护容器管理平台Seagull项目获得Github 1600+星。前小米深度学习平台架构师，负责深度学习平台的架构和实现，同时参与Kubernetes和TensorFlow的开发。曾在云服务公司UnitedStack，负责存储，容器，大数据业务，参与了OpenStack,Docker,Ceph等开源项目，在2016美国Austin Openstack Summit上分享了Cinder多后段存储相关的技术。现专注于高性能特征引擎，Spark和Tensorflow等架构和性能优化。
议题：
机器学习场景下的高性能特征管理中台
议题介绍：
随着AI可落地场景越来越多，机器学习应用的数据管理、特征管理需求也变得更加复杂，高性能的特征管理平台是企业AI中台建设的核心之一。在机器学习场景下，特征的数据量以及特征维度都比传统数据库大很多，需要保证离线训练以及在线服务的特征一致性，同时支持稀疏时序特征等。我们将介绍针对AI场景的高性能特征管理中台的架构设计，以及在生产实践中的案例分析。
