开源项目介绍 ｜ Angel-高性能分布式机器学习平台

2021腾讯犀牛鸟开源人才培养计划

开源项目介绍

滑至文末报名参与开源人才培养计划

报名提交项目Proposal

Angel项目介绍

Angel-高性能分布式机器学习平台，是腾讯研发并开源的面向企业级应用的高性能分布式机器学习平台。

Angel支持特征工程、模型构建、参数训练、AutoML、模型服务Serving等全栈机器学习服务，提供机器学习、深度学习、图神经网络等多种算法，支持级万亿级超大规模参数模型的训练，已在生产业务系统中大规模部署。

Angel项目导师介绍

欧阳文、李晓森

Angel开源项目技术负责人

导师寄语：

“Angel是腾讯自研的高性能分布式机器学习和图计算平台。通过学习这个项目，你将了解顶级分布式机器学习平台架构设计原理以及AI算法落地细节，轻松玩转机器学习和图计算，对之后的学习和工作都大有益处。”

Angel相关资料

?Angel项目地址：https://github.com/Angel-ML/angel

?PyTorch on Angel：https://github.com/Angel-ML/PyTorch-On-Angel

?Angel简介、设计、算法文档：https://github.com/Angel-ML/angel/blob/master/README.md

Angel项目实战任务

编程任务

【题目一】

基于PyTorch On Angel实现S-GCN图神经网络算法；

参考论文 ：https://arxiv.org/pdf/1902.07153.pdf

内容： S-GCN通过简化GCN非线性计算从而提高训练速度，在许多超大规模图场景中得到了广泛应用。

预备知识: 1.S-GCN论文 https://arxiv.org/pdf/1902.07153.pdf 2.Java , Python, Scala 3.PyTorch /Spark / Angel

预期结果： 1.基于PyTorch On Angel实现S-GCN算法 2.在多种数据集如cora.cites上有高效的训练性能以及F1-Score等关键指标 3.文档和测试

你将收获： 1.理解图神经网络算法的实现逻辑，熟悉PyTorch、Angel、Spark等组件功能 2.分布式系统的性能优化实践经验

【题目二】

基于PyTorch On Angel实现MMoE多任务学习算法模型

内容：

MMoE模型可以从数据中学习建模任务间的相关性，在许多真实场景中得到大规模的应用，如在电影推荐中不仅推荐用户可能观看的电影，还需要优化用户对电影的喜爱程度的预估；结合两个任务推荐的电影，最有可能满足用户需求和推荐目的。

预备知识: 1.MMoE论文 https://dl.acm.org/doi/pdf/10.1145/3219819.3220007 2.Java , Python, Scala 3.PyTorch /Spark / Angel

预期结果： 1.基于PyTorch On Angel实现MMoE算法 2.在多种数据集（例如MMoE论文中的数据集）上有高效的训练性能、正确的AUC等关键指标

3.文档和测试

你将收获： 1.理解图神经网络算法的实现逻辑，熟悉PyTorch、Angel、Spark等组件功能 2.分布式系统的性能优化实践经验

扫码填写问卷报名，提交项目proposal

加入开发实战

与导师一起成长这一夏

Angel开源项目交流群

更多开源项目信息，

尽在“腾讯犀牛鸟开源人才社区”

扫码加入，解锁所有学习资料

?学生指南Q&A：https://github.com/Tencent/OpenSourceTalent/issues/14

 ?官方QQ群：859260607 （加群请备注学校+专业）

腾讯犀牛鸟开源人才培养计划官网

https://opensource.tencent.com/summer-of-code

（点击文末阅读原文直接访问）

合作或疑问欢迎联系：tencentopen@tencent.com