如何做出让用户买账的AI产品?
共享单车在不到一年的时间里成为城市一道彩色风景线,在便利市民短途出行的同时,单车的运营管理也日渐成为一个巨大的挑战。摩拜单车首席科学家尹大胐将在 AICon 介绍摩拜单车如何利用大数据和人工智能技术解决运营中出现的违停、潮汐现象,以及在优化调度方面的最新探索。
外卖行业继电商、出行之后成为第三个千万级别的互联网消费行业,每天有 2500 万人次足不出户地在外卖平台上找到自己喜欢的餐厅和食物,享受着 30 分钟送到手里的便利。如何精准地找到用户需求,提高转化率和增加用户粘度,最大化平台的物流效率和服务质量,都需要大数据和人工智能的帮助。饿了么技术副总裁张浩将在 AICon 通过分享 4 个实例,介绍机器学习和运筹优化在外卖行业的应用实践,具体讲讲算法解决方案和迭代过程。
电商平台中,个性化推荐是提高用户购物体验的关键组件。作为国美在人工智能领域的重要试金石,“推荐系统如何做好算法的持续部署”是一个非常有挑战性的问题。国美在线大数据中心副总监杨骥将在 AICon 以国美推荐引擎提升自身训练和决策能力的升级历程为主线,介绍流式计算引擎、特征多级存储系统、机器学习算法的演进、A/B 测试系统、算法和特征的双链路监控、深度学习模型的实践部署等内容。
爱奇艺技术产品中心科学家吴友政将在 AICon 介绍在爱奇艺的视频场景下,自然语言处理如何实现让机器更好地理解娱乐相关的视频 / 图文内容,用户的搜索意图和评论,从而为搜索、推荐、社交、舆情监控的智能化提供基础服务和技术支持,并探索 NLP 的直接应用业务。视频大数据分析介绍基于大数据和机器学习算法,爱奇艺对电影票房、电视剧 VV(video view)、综艺 VV 等提前 60 天、180 天、360 天等多个时间窗口预测,为版权剧采购立项、自制剧立项、广告售卖等提供科学的数据支撑。
News Feed 是用户进入知乎的第一个页面,也是知乎最大的流量入口之一。从 2016 年年底开始,知乎使用机器学习技术对知乎的 News Feed 进行了改进,期间经历了 Edge Rank - Learning to Rank - DNN 模型推荐等阶段,并且取得了不错的成果:News Feed 的正向交互率提升了 100%,用户在 Feed 页的停留时长上升了 40%。知乎机器学习团队负责人张瑞将在 AICon 从产品和技术等方面向大家阐释知乎过去一年内所做的改进,包括知乎在构建用户画像系统、首页的推荐和排序模块中遇到的一些技术问题和解决方法。
与传统推荐系统不同,基于深度学习的推荐系统通过深度网络学习并提取多层次的特征,可将直播的节目和用户中的隐藏特征自动化的提取、关联、抽象出来。加之深度模型的使用可大大节约像特征工程对特征提取的巨大投入,同时满足快速训练、迭代等实时性要求。微博机器学习计算和服务平台负责人胡南炜将在 AICon 从推荐系统的两个关键技术点:召回和排序,来讲解深度学习模型的应用,包括推荐召回中的标签提取,结果排序中的 CTR 预估等方面,探讨深度神经网络在自然语言处理和 CTR 预估领域中的优势与挑战,以及深度推荐系统的前景与发展。
是的,这些专家和优秀案例都来自 AICon,一个由技术媒体 InfoQ 创办的致力于”助力人工智能落地“的大会,30 位 AI 专家和近 1000 名技术同行等着你来交流,扫码或点击”阅读原文“即可报名。