2024年DA數智大會·深圳站嘉賓演講PPT合集（共29套打包）

RisingWave x 特征工程解鎖實時特征新范式Patrick Huang|RisingWave LabsAbout MePatrick HuangRisingWave Labs-VP of Engineering(DB Kernel&Storage)Wechat Infra-Staff Engineer(Large-scale Online Storage)LinkedIn Infra-Senior Engineer(Kafka&Next-gen Streaming Platform)CMU DB Labs-Research Assistant(Peloton DBMS)23RisingWaveStreaming Processing+Fast Serving Store4RisingWave 誕生于 2021 年初，開發團隊由資深數據庫研究院，于來自AWS Readshift、Snowflake、Linkedin、Uber等知名企業的技術專家共同組成。我演講嘉賓：關濤 云器科技聯合創始人CTO自我介紹 20062006年，微軟亞洲研究院年，微軟亞洲研究院，構建微軟第一代分布式KV系統SearchRepository（7000臺物理服務器規模）和 Bing搜索的分布式存儲后臺Kirin Store（4萬臺規模）。之后加入微軟美國云計算和企業事業部，主持和參與開發了包括 Cosmos/Scope（20萬臺規模），iScope，Azure Datalake 20162016年回國加入阿里云年回國加入阿里云，前阿里云 計算平臺事業部 研究員，阿里巴巴通用計算平臺負責人，負責阿里巴巴主線大數據平臺（飛天MaxCompute，Dataworks，10萬+規模）。前阿里和螞蟻演講嘉賓：阿里云出海安全&數據合規負責人劉偲超1海外數據合規發展態勢2企業出海數據合規挑戰與應對3阿里云出海數據解決方案4Q&A海外數據合規發展態勢立法洞察聯合國成員國已實施隱私法 71%71%聯合國成員國已實施網絡犯罪法 71%80%由2013至2023十年間改革網絡犯罪法國家的增長率 71%26%來源:1.聯合國貿易和發展會議于 2021年12月14日發布的 Cybercrime Legislation Worldwide來源 2:歐洲理事會于2022年12月31日發布的 The global state of cybercrime legislation 2013 2023企業表示網絡安全是董事會常規議題，會按月或按季度開展演講嘉賓：周海發&劉勛1TBDS 架構升級2統一元數據湖騰訊云TBDS產品形態1 套TBDS平臺統一 2 種產品形態TBDS（Tencent Big Data Suite）是基于騰訊多年大數據實踐，面向數據全生命周期，對外提供的安全、可靠、易用的一站式、高性能、企業級大數據平臺?；A設施服務器產品說明經典大數據平臺基于傳統Hadoop技術生態構建具備開箱即用、極致性能、安全穩定等特性技術架構SparkFlinkYarnTrinoImpalaKafkaESHDFS容器采用全新Lakehouse數據架構設計存算按需伸縮新老架構可絲滑演進全新一代大數據平臺基于云原生+大數據+AI技術生態構建具備穩演講嘉賓：快手數據平臺部 張力1大數據引擎向量化的原理、業界發展趨勢2向量化在快手Spark引擎上的應用3Blaze引擎社區開源計劃和未來目標內容關于向量化的介紹大數據計算引擎中的向量化是一種通過利用計算機硬件的并行處理能力，一次性處理多個數據的計算方法，從而提高計算的速度和效率。這種方法相比傳統的逐個循環，可以大幅減少計算時間和資源消耗，并廣泛應用于科學計算、機器學習等領域。向量化(Vectorization)是什么？列式存儲(Columnar Storage)業界應用：Parquet、ORC等存儲格式更高的壓縮率更高效讀取部分數據更適合向量化計算演講嘉賓：張立理1研發工具的發展2企業落地經驗3開發者實踐4總結與展望1第一章節智能化的發展背景與落地訴求智能化的發展背景與落地訴求隨著大模型的快速發展，智能開發領域正在經歷由輔助到協同、由補全到生成、由代碼到工程的進化由補全到生成體量能力效果職責交互Go FatGo Fat：更大規模的代碼補全更大規模的代碼補全代碼續寫（Completion）是智能開發工具最典型的能力，在編碼過程中輔助用戶，通過自動補全的形式提高編碼效率。隨著大模型的進步，理解能力與代碼能力不斷提升，當前大模型能夠承擔的工已不再局限于代碼的補全，已經可數據信托：一種數據要素流通的數據信托：一種數據要素流通的新型解決方案新型解決方案目錄數據要素生態分析1數據信托概念及方案2國內外的探索和實踐32 2數據成為新生產要素，體現未來數據資源管理和利用的方向數據是數字經濟中的關鍵要素之一。黨的十九屆四中全會首次將數據納入生產要素，數據作為參與社會價值分配的生產要素，其重要程度與土地、資本、勞動力、技術要素并列。生產要素又稱為生產輸入，是人們用來生產商品和勞務所必備的基本資源。歷史階段生產要素農業時代土地工業時代第一次工業革命土地、勞動力、資本第二次工業革命土演講嘉賓：涂勇1壹錢包大模型應用現狀2大模型在數據管理領域的應用3大模型在數據風控領域的應用4大模型技術架構及平臺建設RAG+PingAnGPT應用于H5/企微場景高效運營，及時響應提供基于知識庫的專業問答具備智能營銷能力中石油、商城、積分應用于風控場景可疑案件評定地域風險交易風險使用習慣風險風控運營應用于小程序的社區頁提供寵物相關知識問答提供貓狗品種介紹提供寵物飲食指南寵物應用于大數據內部的數據治理場景輔助數據分類分級輔助元數據檢索數據管理壹錢包大模型的應用場景JR/T 0197-2020金融數據安全分級指南s1s5數據安全級別人演講嘉賓：王冠中1多模態大模型能力與場景應用3多模態大模型開發套件PaddleMIX2多模態大模型架構演進及特點多模態大模型能力與場景應用1第一章節什么是多模態數據或者信息的多種表示形式多模態的價值自動駕駛模態：視覺、語音、雷達、激光融合：數據級、特征級、決策級融合智慧醫療模態：CT，MRI，X-ray，患者病歷融合：輔助臨床決策、融合檢索系統全屋智能模態：語音命令、觸碰控制、視覺交互融合：智能音箱、智能照明多模態大模型多模態大模型多模態大模型的能力多模態大模型多模態理解多模態生成1 The Dawn of LMMs:Preliminary Explor演講嘉賓：王琦智王琦智7 年編程與架構經驗。曾在騰訊音樂、錦江等公司擔任重要職務，始終致力于代碼的開發與精進，并專注于開發者生態建設，研發效率及體驗提升，開發者賦能。目前，在 PingCAP 負責 TiDB 生態系統架構及開發者 Advocate。實現 TiDB 與 AWS、GORM、MySQL Connector、Hibernate、DBeaver及 vscode-sqltools 等平臺集成。并撰寫了 TiDB 的開發者文檔，使得開發者獲得更流暢的 TiDB 開發體驗。同時作為業務開發者代表，保障 TiDB 在開發者間的持續競爭力。1tidb.ai 是什么2簡單 RAG 的實現方案3為什么需要 Rerank？4知識圖譜演講嘉賓：耿玄玄1第一章節 關于沐瞳2第二章節 沐瞳數據集成挑戰3第三章節 沐瞳數據集成實踐4第四章節 未來規劃 上海沐瞳科技有限公司成立于2014年。公司總部位于上海，在新加坡、秘魯、馬來西亞、菲律賓、印尼等地設有分支機構。公司創立之初便立足于全球化游戲的開發，通過領先的研運優勢，打造全球發行體系，已成功推出多款在海外具有高知名度的移動游戲產品，是最早一批致力于游戲出海的中國公司，也是擁有最多海外玩家的中國游戲公司之一。旗下產品包括Magic Rush:HeroesMobile Legends:AdventureMobile Legends:Bang Bang Watcher o演講嘉賓：裴瑞光文件密級：機密背景基于Transformer架構的大模型由于其在文本理解，語言生成，任務推理與以及多模態上展現出極強的能力；在這個過程中，考慮到個性化，隱私，網絡以及成本問題個性化，隱私，網絡以及成本問題，相對于云端大模型推理，端上大模型推理逐漸扮演越來越重要的角色。端側大模型市場將逐步增長個性化場景下，用戶更偏向于使用端側模型能力端側大模型需有強需求場景12024年中國端側大模型行業研究：算力優化與效率革命2On-Device Language Models:A Comprehensive Review文件密級：機密為什么需要端上大模型？無演講嘉賓：趙喜生，騰訊機器學習平部1騰訊大語言模型應用場景2RAG技術原理及優化實踐3GraphRAG在角色扮演場景中的應用4Agent技術原理和應用騰訊大語言模型應用場景1第一章節騰訊大模型應用場景內容理解內容生成智能客服文本創作內容擴寫文案生成角色扮演開發Copilot定制翻譯輔助評論文案潤色素材生成輸入聯想文本審核圖文匹配實體提取惡意判斷標簽提取詐騙識別文本摘要文本分類知識問答問題推薦用戶引導情緒理解文檔提取交互式任務智能客情代碼評審低代碼生成自動化測試代碼生成Text2SQL自動補全優化建議角色扮演數字人情感陪伴游戲NPC劇多模態 RAG 的實現和機遇InfiniFlowInfiniFlow 金海金海1234基于語義抽取的多模態 RAG基于 VLM 的多模態 RAG如何 Scale 基于 VLM 的多模態 RAG技術路線的選擇基于語義抽取的多模態 RAGVision EncoderPatch EmbeddingVision EncoderText DecoderObject DetectionTextText多模態 RAG“雕花”還是？路線一:“雕花”n 嵌入式圖片n 文檔布局n 表格n 字體路線一:“雕花”Documents文檔結構識別模型頁眉頁腳段落圖片表格掃描？OCR文字換行檢測NYChunking結果標題補全圖片截取表格結構識別模型流程圖、餅圖、柱狀圖Chunking結果多模態模型Chunking互聯網廣告場景下的大模型應用挑戰與實踐演講嘉賓：陳權CONTENTS1內容域告預估挑戰與模型應機會2全域為利：商品內容統表征框架COPE3外部知識利：LLM知識遷移框架LEARN內容域告預估挑戰與模型應機會 問題1：跨場景跨媒介為數據難以全域充分利 戶為散落在【場景x媒介】矩陣上，告為稀疏且分散，命周期不，法打通和效累積。問題2：告推薦模型缺乏外部知識和推理遷移能 封閉單的為數據利并推薦的閉環模式，告推薦模型容易陷局部最優，戶接受的信息容易陷信息繭房。搜索搜索推薦推薦內容與商品生態內容與商品生態自然作品自然作品廣告作品廣告演講嘉賓：陳齊翔-螞蟻集團Who are weAnt GroupAlipayMission:“Make it easy to do business anywhere.”Ray Team2nd largest team contributing 26%+to Ray Core code)over 1.5 million CPU cores onlineOperating Ray China CommunityHistory of Ray in Ant1Background2Motivation3Design&Impl.1A typical AI AgentLLM-based AgentSource:“A Survey on Large Language Model based Autonomous Agents”(https:/arxiv.org/abs/2308.11432)Autonomous agent frameworkTypically requires:Profile:Personality,Misson Memory:Knowled演講嘉賓：黃裕城-騰訊黃裕城騰訊海外游戲算法研究員 2022年加入騰訊IEG Global，主要從事游戲出海場景NLP&Speech算法的研究與落地 研究方向：多模態理解，大語言模型，AI智能體等1角色扮演的數據構造流程是什么？2角色扮演大模型如何進行訓練？3角色扮演的評測體系如何構建？1游戲場景下機器翻譯的挑戰有哪些？2機器翻譯如何有效利用大模型能力？3游戲場景下機器翻譯怎么持續優化？1角色扮演的數據構造流程是什么？2角色扮演大模型如何進行訓練？3角色扮演的評測體系如何構建？角色扮演大模型通用大模型的答案具有一種濃濃的Assistan