KDD18论文分享:优化决策树森林执行速度 猿桌会 | 第64期
在本次公开课中,讲者将分享发表于KDD2018的树模型执行速度优化的工作,RapidScorer,讨论优化的背景和技术
开课时间:2019/01/14 10:00 预计时长:一个小时左右
课程回放
256人报名
观看回放
课程介绍

分享嘉宾

叶挺,微软美国Bing广告部门工程师,北京大学硕士,曾为MSRA实习生

 

分享主题

 

KDD2018论文分享--RapidScorer:一个树模型执行速度优化算法的设计和实现

 

分享背景

决策树森林的算法如GBDT、RandomForest等,有着广泛的应用。优化这些算法的执行速度将会为工业界带来很大的收益。在本次公开课中,讲者将分享发表于KDD2018的决策树森林执行速度优化的工作,RapidScorer,讨论优化的背景和技术。

 

分享提纲

1、决策树森林算法简介、已有的优化算法优缺点简介

2、RapidScorer数据结构设计及原因

3、实验结果与讨论

 

分享时间

(北京时间 )  1月 14 日(星期一)  10:00

课程须知
  • 本次公开课将于01月14日周一早10点准时开始,请大家提前10分钟进入直播间
  • 公开课后两天内会上传回放视频,错过直播的同学也不要担心
  • 欢迎大家多多向嘉宾提问,问题被采纳者有机会获得神秘礼品
授课教师
向TA提问
微软叶挺
叶挺,微软美国Bing广告部门工程师,北京大学硕士,曾为MSRA实习生
投递简历

扫描求职百题斩小程序
助求职者一壁之力

微信扫码助力

如果您对这家企业感兴趣,想要加入一同谋事,可上传您的简历。
投递简历