我的旅程
依「TensorFlow」篩選中清除
機器學習2025年3月
重構 CTR 模型的訓練管線與框架
Research Developer (Bidder Team) · Bridgewell
原本是手刻的 FM 與 LR 模型搭配 FTRL、L-BFGS optimizer，資料管線混用 C# 與 Python、以 row-based 的 pbb64 格式做轉換，耗時極長。改為 TensorFlow + GPU 訓練，淘汰 LR 改用具 cross-term 的 FM，資料管線收斂成純 Python 的 parquet-in / parquet-out。
六個月資料的完整訓練從約 1.5 個月縮短到 1 週
查看詳情
機器學習2026年7月
建構 Columnar 特徵工程與 ONNX serving 管線，取代舊 pbb64 離線特徵路徑
Research Developer (Bidder Team) · Bridgewell
以向量化 columnar 特徵生成取代 pbb64 → pythonnet → C# 舊路徑，將前處理 tokenize 編入 ONNX 子圖、輸出單一 full.onnx，並以 FG parity gold 驗證訓練與線上特徵一致。serving 端經 shadow 驗證與 A/B 實驗後，2026-08-31 全量上線為預設 ranker，舊的 C# ranker 與 shadow 路徑同步退場。
訓練與 serving 共用同一份特徵定義，消除 training-serving skew 這一整類問題；線上 A/B 通過不劣性檢定（CTR 信賴區間下緣 −2.05%、購買型 CVR −8.21%，皆在門檻內）後全量上線。
查看詳情