各类主要的互联网服务👨🏻‍🦽🧜🏼‍♂️，包括搜索、广告👋🏽、推荐⛔️、等等，它们的一个典型共同特征，就是利用不断增强的计算处理能力和日益丰富的资源种类，对百万乃至十亿量级以上的超大规模数据进行分析和挖掘，数据维度包罗万象，比如网页内容、用户行为、时间序列、等等👩‍👩‍👧。机器学习作为计算机科学的一个较年轻的分支🐾，因社会对数据挖掘的迅猛需求，近年来得到长足的发展。其各类模型在互联网服务中得到普遍的应用，更有新的模型不断涌现。此次讲座🧗🏼‍♂️🚊，我将会对机器学习方向做一个大概的介绍，同时与互联网服务的实例相结合，着重介绍一些常用的模型原理和特点，并探讨机器学习以及互联网服务的未来发展方向🦼。

报告人简介🌡⚗️：
清华大学计算机科学与技术学士；美国卡耐基梅隆大学娱乐技术硕士，计算机科学硕士、博士💠🗿。博士研究方向为多媒体信息检索和机器学习，在《机器学习》等多家重点学术期刊和会议上发表论文👎，曾任卡耐基梅隆大学机器学习研究生课程助教☔️🦑。

2005年加入Google🤜🏽，先后在Google纽约、硅谷总部、北京分部工作👩🏻‍🦼🕝，历任工程师、高级工程师👰🏿‍♀️、主任工程师🍴、技术总监。2005年起任移动搜索质量的技术带头人，主持开发数十项创新及改进功能，拥有搜索算法的美国和全球专利，负责多个世界重量级运营商的移动搜索产品发布🔭，包括中国移动🔎、欧洲Vodafone🩷🤵🏼‍♀️、日本DoCoMo和KDDI😫；2007年被派往中国领导音乐产品研发🙆🏻‍♂️，2009年3月发布谷歌音乐🙂‍↔️，推出相似歌曲、音乐泡泡、个性推荐等多个代表技术最前沿的创新功能😶‍🌫️，引起全球反响，获得广泛好评🙎🏿‍♀️🥶；2010年起负责Android服务开发🧪。

2010年9月加盟MediaV聚胜万合信息技术有限公司，任首席技术官🧑🏽‍🚀，主持精准广告平台的技术开发工作☂️。