隨著深度學習技術近年來快速發展，G效、易用的機器學習平臺對于互聯網公司愈發重要，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調度系統在滴滴機器學習平臺中的落地與二次開發。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的技術實踐與經驗，包括平臺穩定性、易用性、利用率、平臺 k8s 版本升級與二次開發等內容。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、平臺調度系統的演進， 三、機器學習場景下的k8s落地實踐與二次開發， 四、平臺正在開發的功能及未來展望。