隨著深度學習技術近年來快速發(fā)展，G效、易用的機器學習平臺對于互聯網公司愈發(fā)重要，一個G效的機器學習平臺可以為公司提供更好的人工智能算法研發(fā)方面的支持，減少內部重復性、提升資源利用率、提G整體研發(fā)效率。

滴滴出行資深軟件工程師唐博在機器學習技術分論壇上分享了kubernetes調度系統(tǒng)在滴滴機器學習平臺中的落地與二次開發(fā)。本次演講從滴滴機器學習平臺的特點開始探討，分享了滴滴機器學習場景下的 k8s 落地實踐與二次開發(fā)的技術實踐與經驗，包括平臺穩(wěn)定性、易用性、利用率、平臺 k8s 版本升級與二次開發(fā)等內容。此外，唐博還介紹了滴滴機器學習平臺是如何從 YARN 遷移到 k8s，以及 YARN 的二次開發(fā)與 k8s 的對比等。后，唐博還分享了滴滴機器學習平臺正在研發(fā)中的功能以及對未來的展望。本文為演講實錄。

《滴滴機器學習平臺kubernetes落地與實踐》，大概分四個部分：

一、滴滴機器學習平臺簡介 ，二、平臺調度系統(tǒng)的演進， 三、機器學習場景下的k8s落地實踐與二次開發(fā)， 四、平臺正在開發(fā)的功能及未來展望。