人工智能路上,架构师的选择和系列实践
自从 AlphaGo 下完一盘棋后，人工智能已经不再是你问我答的玩具，而是一系列可以实操的技术幻想，但如何学习和应用，始终是竖立在架构师面前的一座高墙。
这次，我们用了半年时间在这高墙上打通了一扇可通过的门：在即将于 7 月 7-8 日举行的 ArchSummit 全球架构师峰会上，我们策划了《机器学习与商业智能》和《创新的智能应用》等系列专属专题，由国内外顶尖技术专家详细解读目前机器学习、人工智能等一切已经落地的技术实践。
既然人工智能已经是一场无法回避的浪潮，那么请停止观望，学习各领域架构师于 Archsummit 上会有何精彩实践：
在这次分享中，我会结合基于语义理解的智能问答系统和专家系统在实际中的应用，详解自然语言理解的技术核心、技术发展和当前热点 topic。
我将侧重于讲述智能问答系统的架构，语义理解的核心技术与挑战，以及自然语言理解技术在 AI 系统中的实际应用，希望可以帮助你从中了解如何选择和构建智能问答系统，收获自然语言 AI 系统实战经验。
传统的基于攻击特征的安全防护，存在着特征库难于管理、较高的误报率和漏报率等诸多问题，安全防护效果难以进一步提高。
而近年出现的基于语法规则的检测虽然在一定程度上弥补了特征的不足，但因为不理解业务，对于有着更高智能的攻击也显得捉襟见肘。
我将从百度在安全领域的实践出发，与大家一起探讨通过人工智能、机器学习领域的经典方法形成的分析系统效果，以及如何与传统防护系统相互补充的经验。
主要内容包括基于神经网络的入侵检测识别原理与实现，神经网络识别及与语法引擎的对比分析，以及分享用户行为分析在 Web 日志审计中的模型介绍。
通过市场数据和信息帮助商家优化零售运营是电商平台必须为商家提供的服务之一，本次分享将着重介绍如何通过数据挖掘和机器学习帮助商家和运营团队来组织和优化促销活动。
首先运用时间序列 Auto Regression 模型对历年的交易数据进行挖掘，推荐季节性促销的最佳时间段，并通过进一步的对用户搜索关键字基于 NLP 的挖掘，推荐最优化的时间段进行促销的商品类别。
这次将深入讨论如何运用机器学习和人工智能，帮助我们不到 10 人的算法团队快速接近目标，其中包括图像 / 文本 feature 抽取方法的尝试，基于图像、文本混合的 topic 分类等技术，以及最后介绍如何在初创公司合理使用人工智能。
在分享过程中，我们还会揭秘小红书推荐与搜索中是如何各自演化的，以此扩展出更深度的人工智能应用。
供应链管理是大多数制造、零售等多个领域的核心枢纽环节，其中诸如需求预测、库存控制、物流调度优化等问题，对于新技术的应用都有强烈诉求。
数据分析和人工智能算法是升级供应链的利器。本分享将结合工业界的实际问题，开阔思路，阐述如何巧妙挖掘抽象问题，归类实践已有方法，在产品中实施各种算法；并探讨产品解决方案过程中可能遇到的各种问题和经验方法，对其他领域的智能应用具有普适性和参考作用。
大数据的应用是承载和推动金融科技行业（Fintech）这些年快速发展的重要因素，但如 Fintech 自身的创新性和探索性一样，大数据在该领域的应用也需要通过大量的实践结合业务规模和发展探寻出一条适合的道路。
此次我将结合我们在大数据架构上近些年的探索，介绍如何根据业务需求设计改造升级了当前的一整套架构，包括大量的数据产品经验如数据的搜集、清洗、存储、处理、机器学习建模以及这些大数据产品如何回馈于现有的业务，主要环节包括借款人 / 贷款人的数据系统设计，智能商务逻辑解决方案，以及整体大数据架构。
介绍人工智能在买单侠的应用，包括客户营销、信用评分、反欺诈以及贷后生命周期管理中如额度策略、风险追踪以及差异化定价等场景。
这次分享将着重介绍 AI 在风险决策中的应用，如何帮助显著降低秦苍科技的坏账损失。
另外将会总结在互联网时代，我们在消费金融业务面临的挑战，以及传统的消费金融展业方式，最后分享 AI 在消费金融领域的其他前沿探索。