互联网几年来的发展已由数据的在线化，过渡到流程的自动化，目前我们正处于人工智能的风口，即：决策智能化。机器学习、人工智能算法变得越来越重要。配送作为外卖平台闭环链条上重要的一环，在线下的运营中积累了大量的数据，这就为我们在配送过程中运用机器学习的方法进行效率优化，运营成本的优化打下基础。目前配送的多个业务都已经可以看到算法的身影，比如运单调度，定价，时间预测等等。
为了提升机器学习研发效率，支撑算法的运用和快速迭代，厘清算法和工程的边界，我们在整合已有的支撑机器学习工具的基础上，围绕数据构建闭环，以平台化的思维搭建了一站式的机器学习平台。
模型管理平台：统一算法模型格式，为算法模型的发现、部署、切换提供支持，同时支持分区模型和超大模型；
数据图谱：在数据分层的基础上多维度索引元数据，解决算法工程师找数据的问题；
特征平台：为线下特征生产提供统一口径、为线上特征获取提供稳定高效的接口，支撑线上高并发；
AB实验平台：为线上实验提供分流、埋点和实验效果自动评估服务；
机器学习定义语言（MLDL）：定义机器学习全流程（数据清洗、数据抽取、构造训练数据集、模型训练、模型评估、线上预测）。
提纲：
配送业务简介
机器学习在美团配送中的应用
美团配送算法数据平台
演进方向与展望
受益点：
????????????机器学习全流程如何落地？
????????????如何高效支持算法快速迭代？
（架构之家公众号：itfly8）
（架构之家公众号：itfly8）
cs
