ARM 芯片的 Python + AI 算力优化 主讲人： 朱宏林 – 阿里云程序语言与编译器团队 简介 • 当今开发者们大量使用 Python 语言编写的 AI 程序。过去这些程序总跑在 GPU 或者 x86 架构的 CPU 上。然而综合考虑到功耗、成本、性能等因素，云厂商们开始建设 ARM 架构的服务平台，如 何整合 Python + AI 的相关软件并使其在该平台上发挥最高的性能成为了工程师们关注的焦点。

Rust编程语言 核心优势和核心竞争力 庄晓立，北京，QCon2016 liigo@qq.com 2016-4-23 新人分享新语言 2015年5月Rust语言刚刚发布1.0版本 2013年末我开始关注Rust，但尚未深入实践 在重大场合正式演讲这是人生第一次 2016年春节至今认真准备讲稿近三个月 如有错误或纰漏，敬请谅解！ 感谢臧秀涛主编盛情邀请！ Rust 安全、高效、并发的系统编程语言 三维建模/动画/渲染 数据中心 • CPU/GPU • 内存/硬盘 • 电力 • 网络流量 • 其他设备和人员维护费用 都是白花花的银子，“硬件很便宜”的说法不靠 谱 你能买最新硬件，对手也能，无助于提升竞争力 物联网 • 需要大批量部署，必须控制硬件成本 • 受限于成本控制，硬件性能不强 • 受限于电池供电，功耗不能高 这就要求系统和应用软件要高效利用硬件 程序运行在VM上，或后台跑GC 白白浪费了宝贵的CPU和内存资源 C语言无法从类型系统上区分有效指针和无效指针(NULL)，却又习惯把NULL指针用 作特殊标记（空缺的参数或返回值）。一旦程序员忽略NULL指针检查，往往会触发 很严重的内存错误。人难免因疏忽而犯错，编译期检查对此无能为力。 并发安全 一个入口：std::thread::spawn() 两大门神：Send、Sync 编译期保证：没有数据竞争（No Data Race） Safe V.S. Unsafe // A

1 周群力 Co-founder of Layotto Service Mesh 落地之后: 为 sidecar 注入灵魂 2 • Multi Runtime: 从 sidecar 到机甲 • Runtime API: 解决跨云部署和厂商绑定难题 • WebAssembly in sidecar: 让业务逻辑跑在sidecar里 • Service Mesh 回顾 • 展望2022：待解决的问题

Go语⾔言实现中的⼏几个研究课题 ⽑毛康⼒力 @舜⻜飞科技 关于我 • Go发布1.0时开始关注 • 最早接触是在2012年 • 喜欢研究底层实现 • http://www.zenlife.tk/ 有同事称我⼤大神或⼤大师(湿?) 其实，我只是⼀一个研究僧 ⼤大纲 • 并发 • 接⼝口 • 垃圾回收 • 调度 • 死锁检测 并发 • goroutine提供轻量的并发机制

解放Python的 表达力，性能和安全性 Thautwarm 目录 CONTENTS 语法和语义扩展 JIT 静态类型 语法和语义扩展 表达力的扩展， 可用性的保留，白来的午餐？ 演示一小部分: 模式匹配, Quick Lambda, Pipe运算 语言决定思维模型 GNU-APL C++ Haskell 说 到 质 数 � 人 们 想 到 什 么 � 语言决定思维模型 程语言走向未来必然经过的一个极其不起眼 的、实现简单的基础设施。 语言决定思维模型 在 实 际 业 务 中 处 理 数 据 � Python 语言决定思维模型 语言中的语法和语义， 决定了 它真实的表达力。 大多数语言都不是“万金油” 的，这是客观事实。 但它们不够“万金油”的问题 来源，不一定是不能解决的。 扩展语言，开阔思维 我预期的语法(及语义) 扩展系统: 1. 首行用moshmosh? 基于template-python扩展实现。 性能比Pampy高数量级倍。 简单直接的自定义pattern，真实的tree pattern matching。 Match的每个分支是语句而不是表达力有限的表达式。 … benchmark.py Moshmosh实现 Quick-Lambda & Pipeline moshmosh/extensions/quick_lambdas.py

271 美团搜索中查询改写技术的探索与实践 297 美团内部讲座 | 清华大学崔鹏：因果启发的学习、推断和决策 325 NeurIPS 2021 ｜ Twins：重新思考高效的视觉注意力模型设计 339 目录 iv > 2022年美团技术年货 美团获得小样本学习榜单 FewCLUE 第一！ Prompt Learning+ 自训练实战 353 DSTC10 开放领域对话评估比赛冠军方法总结 外卖广告大规模深度学习模型工程实践 | 美团外卖广告工程实践专题连载 1013 数据库全量 SQL 分析与审计系统性能优化之旅 1048 数据库异常智能分析与诊断 1059 美团外卖广告智能算力的探索与实践（二） 1079 Linux 下跨语言调用 C++ 实践 1101 GPU 在外卖场景精排模型预估中的应用实践 1130 美团集群调度系统的云原生实践 1149 广告平台化的探索与实践 设计方面，我们基于以上 Rep 算子 设 计 了 一 个 高 效 的 Backbone。 相 比 于 YOLOv5 采 用 的 CSP-Backbone， 该 Backbone 能够高效利用硬件（如 GPU）算力的同时，还具有较强的表征能力。 下图 4 为 EfficientRep Backbone 具体设计结构图，我们将 Backbone 中 stride=2 的普通 Conv 层替换成了 stride=2

建设预估平台：快速复用与高效管理 4.3.1 能力的快速复用 Augur 在设计之初，就将所有业务逻辑通过 OP 和 Transformer 承载，所以跟业务 无关。考虑到美团搜索与 NLP 部模型预估场景需求的多样性，我们还为 Augur 赋予 多种业务调用的方式。 ● 种业务调用的方式。：即基于 Augur 构建一个完整的 Service，可以实现无状 态分布式的弹性预估能力。 ● 布式的弹性预估能：Java Networks 该模块是为了提高模型的非线性能力提出来的，它就是全连接神经网络结构，计算公 式如下： 26 > 美团 2020 技术年货 Transformer Layer 就是通过这种自注意力机制层和普通非线性层来实现对输入信号 的编码，得到信号的表示。 美团搜索排序 Transformer 实践经验 Transformer 在美团搜索排序上的实践主要分以下三个部分：第一部分是特征工程， concat 一起输入到 MLP。 实践效果及经验 效果：离线效果提升，线上 QV_CTR 效果波动。 经验： ● 三层 Transformer 编码层效果比较好。 ● 调节多头注意力的“头”数对效果影响不大 。 ● Transformer 编码层输出的 Embedding 大小对结果影响不大。 ● Transformer 和 MLP 融合的时候，最后结果融合和先 concat

程序员如何练就领导力 诺基亚 刘朋 2018.12 自我介绍 刘 朋 诺基亚通信成都研发中心 研发经理 《突破：程序员如何练就领导力》作者 《趣说区块链》作者 初链（TrueChain）全球技术社区负责人 中生代社区，“链习堂”品牌联合创始人 10+软件行业开发、管理经验 禅 与 敏捷 “所有模型都是错的，但 是其中有些却是有用的。” Agile-Driven Leader 第一招 什么是管理？ 什么是领导力？ 什么是管理？ 管理是指在特定的环境条件下，对组织所 拥有的人力、物力、财力、信息等资源进 行有效的决策、计划、组织、领导、控制， 以期高效的达到既定组织目标的过程。 什么是领导力？ “领导力就是把一个人的视野提到更高的境界， 把一个人的成就提到更高的标准，锤炼其人格， 使之超越通常的局限”。 limitations. —— 彼得·德鲁克 管 理 事 怕 领导力 人 尊敬和信任 vs 《团队协作五大障碍》 管理寓言故事 罗伯特·B·西奥迪尼(Robert B. Cialdini) 全球知名的说服术与影响力研究权 威 他的著作《影响力》已被翻译成 26种语言，在全球售出了200万册 并被《财富》杂志评选的75本必

复睿：李四保 ⽤用Golang ⾃自我介绍 l 开发过银⾏行设备 l 同花顺移动证券 l 前后参与创⽴立过多家公司 l ⽤用Golang写了⼀一个云操作系统 电⼒力、⽯石化、银⾏行、证券、⼲⼴广电、电商 研发、产品、运营、公司运营 l 多种职业 l 喜欢各种宗教 l 喜欢在虚⽆无中创造⼀一个世界 l 多个⾏行业 ⾃自我介绍 l l 过度⾏行政监管⽆无处不在，市场机制⽆无法顺畅运⾏行 国内互联⺴⽹网现状 l 数据是互联⺴⽹网的核⼼心，是⽤用户的主权 l 数据⽇日益集中化，规则垄断化，使互联⺴⽹网失去了多样性 l 《失控》作者：未来会有天量的数据只存在⽤用户本地 l ⻄西⽠瓜⼤大丸⼦子汤：⼤大数据处在奴⾪隶社会 ⽆无底限的运⽤用规则⽇日益伤害⽤用户的权益，普通⽤用户失去了⾃自主性 只需要对编程要求最低的js程序员再加美⼯工，便可以完成所有开发⼯工作 l ⾃自动⽀支持⼤大数据 相⽐比于传统的互联⺴⽹网应⽤用，⽤用户越多，系统的⽀支撑能⼒力越强。同时不需要考虑 应⽤用规模变⼤大之后引发的开发团队失控问题。 效率：降低应⽤用开发维护成本 微博，有新浪微博的⼤大部分功能。 ⽤用户体验和传统的⺴⽹网⻚页浏览没太⼤大区别：