首页>会议文档 >

王栋 - 从美团外卖看移动应用的流量场景细分_部分1

page:
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1
王栋 - 从美团外卖看移动应用的流量场景细分_部分1

王栋 - 从美团外卖看移动应用的流量场景细分_部分1

所属会议:2016 GIAC 全球互联网架构大会会议地点:北京


下载

手机看
活动家APP客户端

扫二维码下载
或点击下载
Android iOS

5936次
浏览次数
2016 GIAC 全球互联网架构大会所有文档 丁雪丰 - Java生态圈与微服务_部分2 百度 郑然 - 支撑百度搜索引擎可靠性99%服务发现的设计 Real world Rust 陈皓 - 代码编程中的编程范式_部分1 陈皓 - 代码编程中的编程范式_部分2 陈皓 - 代码编程中的编程范式_部分3 彭晟杰 - 知乎的微服务架构实践 朱雪寒 - ENJOY后端架构演进_部分1 朱雪寒 - ENJOY后端架构演进_部分2 贝贝网 郁佳杰 - 贝贝百亿级服务架构及可用性保障实践 李尊敬 - 全球互联网架构大会 高成 - 特卖电商供应链系统演进 李文哲 - AI and Big Data Drive Fin-tech Innovation 宜人贷 王婷 - 互联网金融风控中的数据科学 李汐 - 轻松筹众筹平台架构演进历程 宋传胜 - 91金融的后台服务架构 谢丹博 - 滴滴弹性云实践 白山云科技 陈闯 - 分布式对象存储面临的挑战 日志易 陈军 - 海量日志分析与智能运维 熊猫TV 杨武明 - 多机房弹幕系统架构 一直播 张华伟 - 高并发直播系统服务端架构设计与思考 学霸君 袁荣喜 - 高可用实时语音系统 映客直播 王振涛 - 映客直播服务端架构优化之路 360 陈宗志 - 360 redis 生态圈 阿里巴巴 王晶昱(沈询) - 阿里分布式数据库双十一实践 李大勇 - 京东青龙系统数据库架构演进 美团 翁宁龙 - 美团点评数据库运维自动化实践与发展 丁雪丰 - Java生态圈与微服务_部分1 蚂蚁金服 杨志丰 - OceanBase架构演进和双11实践 李智慧 - 互联网高可用架构漫谈 曹建栋 - 内涵段子的稳定性建设 陈迪豪 - 小米深度学习平台_部分3 周小四 Ray Zhou - 企业应用云化架构设计 Yuming - BigDataInHulu 王守崑 - Bot 的场景化应用 王栋 - 从美团外卖看移动应用的流量场景细分_部分2 王栋 - 从美团外卖看移动应用的流量场景细分_部分3 陈迪豪 - 小米深度学习平台_部分1 陈迪豪 - 小米深度学习平台_部分2 范冰 - 全球互联网架构大会_部分2 王守崑 - 人工智能:趋势 机会和思考 李笑来 - 未来是谁的天下 马全一 - ContainerOps - DevOps Orchestration The Container Orchestration on Mesos - Gilbert Song 邱剑 - 公有云里的容器 童剑 - API全生命周期管理 范冰 - 全球互联网架构大会_部分1

文档介绍

王栋,现居北京,负责美团外卖的推荐、搜索、广告和数据应用方向。2009年博士毕业于清华大学人工智能实验室,研究机器学习算法及计算机视觉的中层语义表示问题。毕业后先后任职于hulu及优酷,主要从事网络视频中的搜索、推荐、广告等流量变现工作。曾多次带队或参与TRECVID/KDDCUP等国际机器算法竞赛并取得第一名,2011年带领团队搭建出世界上第一个实用的视频人脸标注系统(hulu face match www.hulu.com/labs/tagging)。属于国内推荐系统的早期关注和研究者,对视频搜索有丰富研究经验,也完成了展示广告的流量预估,在线匹配及用户定向等多项技术。目前关注O2O领域中的数据、算法及平台化问题,期望借助智能技术,更方便快捷的满足用户吃喝玩乐的需求,同时助力商户理解其目标用户,发现并促成商机。

×

打开微信扫一扫,分享到朋友圈