機器學(xué)習(xí)在領(lǐng)英的規(guī)模化應(yīng)用

人工智能和機器學(xué)習(xí)仍然是全球持續(xù)增長的領(lǐng)域之一，近年來涌現(xiàn)出越來越多本科生或者非人工智能專業(yè)出身的工程師，他們努力學(xué)習(xí)和使用技術(shù)來改進產(chǎn)品，幾乎每天都有新的機器學(xué)習(xí)技術(shù)和框架發(fā)布。這篇文章將討論領(lǐng)英如何規(guī)?；眉夹g(shù)，幫助更多工程師提升機器學(xué)習(xí)的效率。近日，領(lǐng)英中國機器學(xué)習(xí)研發(fā)經(jīng)理李子在IEEE數(shù)據(jù)挖掘國際會議(ICDM)上分享了領(lǐng)英是如何規(guī)?；_展機器學(xué)習(xí)，介紹領(lǐng)英的核心產(chǎn)品以及如何利用技術(shù)幫助更多工程師提升機器學(xué)習(xí)的效率。

Pro-ML提升機器學(xué)習(xí)效率

過去10年，領(lǐng)英把人工智能技術(shù)應(yīng)用于各個方面來提升用戶和客戶體驗，比如你可能認(rèn)識的人(People You May Know)，可以為你推薦能夠給你的職業(yè)發(fā)展帶來價值的人;Feed可以幫你找到最相關(guān)的行業(yè)信息，比如最新的文章或聯(lián)系人的最新動態(tài);Recruiter Search可以幫助企業(yè)了解趨勢，更好地進行招聘;職位推薦系統(tǒng)(Job Recommendations System)可以幫你找到工作或者跳槽到更好的企業(yè)。機器學(xué)習(xí)推動著領(lǐng)英的核心產(chǎn)品。

但領(lǐng)英發(fā)現(xiàn)，過去每個團隊用自己的AI技術(shù)堆棧開發(fā)各自的產(chǎn)品。，這種做法無法有效實現(xiàn)規(guī)?；?，因為每個團隊使用的技術(shù)不同，從邏輯回歸到深度學(xué)習(xí)，從Pig 、 Hive、Spark到Scalding等等，團隊之間的AI技術(shù)堆棧很難共享協(xié)作。所以領(lǐng)英希望在招入新的工程師或是開發(fā)新功能、使用新技術(shù)時，盡可能減少大家的負(fù)擔(dān)。此外，近年來很多人工智能領(lǐng)域的從業(yè)者其實并不是人工智能專業(yè)出身，領(lǐng)英的AI基礎(chǔ)架構(gòu)對他們來說過于復(fù)雜，難以用來構(gòu)建、迭代模型。

為了高效地促進機器學(xué)習(xí)規(guī)?；?，領(lǐng)英構(gòu)建了名為“Productive Machine Learning”(高效機器學(xué)習(xí))的項目，簡稱Pro-ML。Pro-ML的目標(biāo)是將AI工程師的工作效率翻一番，讓他們能更輕松、更高效地構(gòu)建模型。在過去十年里領(lǐng)英發(fā)現(xiàn)，模型性能與模型更新速度直接相關(guān)。因此，如果能讓工程師加快模型迭代速度，那么模型性能也會提高。

具體來說Pro-ML采用分層解決方案，目標(biāo)是提高整個模型開發(fā)周期的效率，從模型探索和構(gòu)建(Exploring and Authoring)，到模型訓(xùn)練(Training)、模型部署(Deploying)、模型運行(Running)，再到持續(xù)監(jiān)控模型狀態(tài)。領(lǐng)英希望把所有常規(guī)工作自動化，這樣算法工程師就能更加聚焦于創(chuàng)新。

Pro-ML中有兩個工具貫穿剛剛提到的所有階段：一個是Feature Marketplace，另一個是Health Assurance Layer。在Feature Marketplace，領(lǐng)英使用先進的技術(shù)來生成、共享和管理新特征。AI建模的核心是特征工程(Feature Engineering)，領(lǐng)英有數(shù)百名工程師和數(shù)萬種正在研究的特征。提高工程師生成、共享和管理特征的效率，對于提高他們的工作效率至關(guān)重要。

而Health Assurance Layer可以在整個開發(fā)周期中持續(xù)監(jiān)控模型狀態(tài)。比如，它確保用于模型訓(xùn)練的離線特征和用于在線推理的在線特征在統(tǒng)計意義上一致或近似，同時確保在線模型的良好性能。比如在預(yù)測分?jǐn)?shù)的時候，工程師希望在線打的分與離線訓(xùn)練的分?jǐn)?shù)精度一致。一旦Health Assurance Layer檢測到異常，會自動提醒工程師，然后工程師可以介入，進行調(diào)試。Health Assurance Layer還提供了很多有用的工具，幫助工程師進一步確認(rèn)問題所在。是代碼出錯?還是數(shù)據(jù)缺失?還是僅僅因為模型老舊，需要重新訓(xùn)練?

Pro-ML提升效率的第一步——探索與授權(quán)

建模過程實際上始于對問題的探索。目標(biāo)是什么?目標(biāo)函數(shù)是什么?有什么特征?數(shù)據(jù)有哪些?對于這些問題，工程師需要做無數(shù)個實驗來探索數(shù)據(jù)，進行特征工程，調(diào)整模型和超參數(shù)。為了提高這一階段的工作效率，領(lǐng)英構(gòu)建了集成了 Pro-ML內(nèi)核的Jupyter Notebook。在Jupyter Notebook的幫助下，工程師可以一步一步地進行數(shù)據(jù)探索、特征選擇和模型繪制，并以交互的方式做實驗。Jupyter Notebook由領(lǐng)英的Spark集群提供計算資源，這樣工程師就可以在線完成工作而不需要把數(shù)據(jù)下載到本地，不僅提高了他們的工作效率，同時也保護了用戶隱私。

為了定義模型，除了Jupyter Notebook，領(lǐng)英還構(gòu)建了一種領(lǐng)域特定語言(Domain-specific Language, DSL)叫做Quasar。本質(zhì)上來說，機器學(xué)習(xí)模型就是有向無環(huán)圖(DAG)，它定義了輸入特征和在這些特征上的轉(zhuǎn)換。Quasar DSL是領(lǐng)英用來定義模型的語言，它為建模者提供了幾乎所有常見的特征轉(zhuǎn)換函數(shù)。因此AI工程師們可以專注于新特征或者特征組合實驗，而不需要書寫大量重復(fù)代碼來做特征轉(zhuǎn)換。Quasar的另一個優(yōu)勢是離線訓(xùn)練出來的模型可以直接部署到線上，大大簡化了模型從離線到在線的過渡。

多種工具高效協(xié)助模型訓(xùn)練

眾所周知，一個模型實際上有兩個關(guān)鍵組成部分，一個是特征，另一個是算法。首先來看一下特征。如前所述，特征工程是AI建模的核心所在。在領(lǐng)英，為了提高學(xué)習(xí)效率，領(lǐng)英構(gòu)建的框架Feature Marketplace可以讓工程師可以有效地生成、發(fā)現(xiàn)、共享和管理特征。工程師可以將特征共享到Feature Marketplace上以便其他人使用，也可以按名稱搜索特征，發(fā)現(xiàn)該特征并獲取關(guān)于該特征的所有信息，例如特征的創(chuàng)建者、特征是如何生成的、特征應(yīng)用在哪些領(lǐng)英的模型中以特征的統(tǒng)計分布等等，所有這些問題都可以在Feature Marketplace找到答案。Feature Marketplace還為工程師提供了諸多切實有用的工具，幫助工程師選擇特征以及持續(xù)監(jiān)控和驗證特征。通過Feature Marketplace，工程師可以快速找到建模所需的特征。

不過，F(xiàn)eature Marketplace也面臨著挑戰(zhàn)：如何確保工程師能夠得到他們所需要的么，比如在線和離線特征是一致的。如果做了大量離線實驗，收集好的特征用于建模，那么這個模型可能會表現(xiàn)得很好，但不能保證在線的時候這個特征是穩(wěn)定的，如果不穩(wěn)定，那模型性能可能會下降。事實上，這種事故在過去幾年屢見不鮮。為了解決這個問題，領(lǐng)英構(gòu)建了一個工具稱為Frame。Frame是一個基于相同配置和相同公共庫離線和在線生成特征的平臺，保證了離線和在線的一致性。領(lǐng)英向工程師提供操作細(xì)節(jié)，工程師只需要在Quasar模型中指定特征的名稱，就可以保證在線和離線獲取特征的一致性。

特征集齊后就需要算法。領(lǐng)英支持深度學(xué)習(xí)、決策樹算法、Generalized Linear Mixed Model (GLMix)等多種算法。在深度學(xué)習(xí)的場景中，領(lǐng)英使用Tensorflow;在決策樹算法的場景中使用XGBoost，兩者都是第三方庫。對于GLMix，領(lǐng)英研發(fā)并開源了一個機器學(xué)習(xí)庫叫做Photon。GLMix模型大大提高了職位推薦系統(tǒng)的性能，成功使職位申請數(shù)量增加了20%。

根據(jù)特征和算法，領(lǐng)英構(gòu)建了Photon Connect訓(xùn)練引擎，把上述所有組件連接起來。Photon Connect用Frame來訪問特征，并將特征與標(biāo)簽數(shù)據(jù)連接起來，然后將數(shù)據(jù)傳輸至Quasar模型進行特征轉(zhuǎn)換。在這個階段，Quasar模型的參數(shù)是未知的，領(lǐng)英利用Quasar模型進行特征轉(zhuǎn)換，然后使用算法來學(xué)習(xí)這些參數(shù)。學(xué)習(xí)到的參數(shù)會插入到Quasar模型中。這樣，一個Quasar模型建模就完成了，它可以直接部署到線上服務(wù)中。

Health Assurance Layer保證算法順利運行

模型訓(xùn)練和部署完成后，最后一個問題是：當(dāng)模型實際運行的時候，如何保持它能夠正常運行呢?根據(jù)過去的經(jīng)驗教訓(xùn)，在開發(fā)的早期階段越重視這個問題，越容易在實際運行時保證模型正常運行。因此，在模型探索和訓(xùn)練等早期階段，領(lǐng)英的Health Assurance Layer提供了一系列工具，用于持續(xù)監(jiān)控和驗證。有人可能會問，在實際運行中，所有在線特征都可用嗎?特征更新的速度是否足夠快?實際上，如果出現(xiàn)任何異樣， Health Assurance Layer 將通知相應(yīng)的工程師，他們會介入進行調(diào)試。Health Assurance Layer為工程師提供了一系列工具，幫助他們快速鎖定問題。

領(lǐng)英的機器學(xué)習(xí)與Pro-ML團隊

經(jīng)過十年的快速發(fā)展和實驗后，領(lǐng)英將人工智能團隊與產(chǎn)品團隊緊密地聯(lián)系在一起，使機器學(xué)習(xí)團隊能夠與致力于解決類似難題的同行專家合作并分享最佳實踐。

類似地，Pro-ML團隊圍繞五個主要支柱構(gòu)建，每個支柱都支持模型開發(fā)生命周期的一個階段。通常，每個支柱都有一個負(fù)責(zé)人(通常是一名工程師)、一個技術(shù)負(fù)責(zé)人和幾個工程師。這些工程師也來自各個組織，包括產(chǎn)品工程組織、基礎(chǔ)/工具組織和基礎(chǔ)架構(gòu)團隊。Pro-ML團隊分布在世界各地，包括班加羅爾、歐洲和美國多個地方。領(lǐng)英還擁有一個領(lǐng)導(dǎo)團隊，幫助制定項目愿景，并且最重要的是致力于消除摩擦，以便每一個支柱能夠獨立存在。

Pro-ML將增加能夠利用人工智能的產(chǎn)品數(shù)量，并擴大能夠培訓(xùn)和部署模型的團隊數(shù)量。此外，它將減少模型選擇、部署等所需的時間，并使Health Assurance等關(guān)鍵領(lǐng)域自動化。領(lǐng)英現(xiàn)在已經(jīng)花了一年多的時間來改造人工智能，使其能保持快速、高效和可操作性，擴展到所有工程領(lǐng)域。它讓工程師有更多的時間去做他們最擅長的事情：利用領(lǐng)英獨特的高度結(jié)構(gòu)化的數(shù)據(jù)集，為棘手的技術(shù)問題找到創(chuàng)造性的解決方案。

從 2014 年進入中國開始，領(lǐng)英不斷地探索著中國這片獨具特點的市場，在中國北京和美國硅谷從無到有，構(gòu)建了一支超過 100人的本土研發(fā)團隊，兩地團隊以“One Team”的形式協(xié)作，利用總部的技術(shù)資源優(yōu)勢，希望推動中國市場完成本地化產(chǎn)品與技術(shù)創(chuàng)新。未來領(lǐng)英也將進一步依靠 AI 和大數(shù)據(jù)技術(shù)升級優(yōu)化用戶體驗。如果你也想加入領(lǐng)英中國這支強大的研發(fā)團隊，歡迎點擊下方鏈接/掃描二維碼，查看并申請職位吧!

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。