什么是机器学习可解释能力：分为两个部分，一个是推荐物料流转可解释，一个是模型可解释 1、推荐物料可解释，trace 链路：机器学习在线链路常见的几个阶段以及相应的详细介绍以及trace 功能的目的 2、推荐物料可解释，debug链路：为什么要做debug以及常见的debug 策略 3、召回物料可视界，用户行为：旨在复现当时用户的全部行为，包括但不限于点击、浏览、加购等宏观行为以及点击主图、浏览评论等精细行为 4、大规模特征：user 特征、item 特征、query 特征、端侧特征等多种特征的丰富 5、实时模型质量分析 && 效果验证 6、shaply value on FLink ML：应用于大模型的可解释 1)Flink ML 应用模型可解释新方式：shaply value 模型分布式方式 2)Flink ML 应用模型 && 数据一体新实现方式

Speakers:

张颖: 京东, 算法工程师, 张颖，Alink、Flink AI Extend Contributor，京东智能分析平台部架构师，主要负责京东智能分析平台部实时方向和算法可解释系统，曾经负责京东搜索和推荐模型的样本链路、小模型框架层面的训练、调优工作