其他

机器学习竟已解决了这么多业务难题

2017-12-07 AI前线

策划|AICon
编辑|Emily

2017 年就要过去了,今年最热门的技术词就是“人工智能”,看 AI 工程师的平均工资就可以感觉得到。在做 AI 技术年终盘点的过程中,AICon 发现,在众多的人工智能技术里,工程师们好像比较偏爱“机器学习”和“深度学习”。今天,我们跟随 AICon 一起来看看,你钟爱的机器学习到底解决了哪些业务难题,希望这些案例能对你有所启发和帮助。

AICon 全球人工智能与机器学习技术大会是由 InfoQ 中国主办的技术盛会。大会为期 2 天,梳理了目前机器学习领域的最新动态,并邀请到了来自 Amazon、BAT、360、小米、京东、携程、饿了么、知乎等公司 AI 技术负责人来分享他们的机器学习落地实践经验,旨在帮助企业通过这些最佳实践更精准地确定自己的选型方案,并提前预估相关的风险和收益,实现技术落地。识别下方二维码即可查看案例详情。

机器学习部分案例概览
案例 1:第四范式如何利用大规模机器学习技术解决问题并创造价值

目前深度学习在某些领域(如图像特征提取、语音识别、文本翻译等)已经有了较成熟的解决方案。但企业级应用涉及多个范围,以上只是企业经营过程中的一小部分。在其他领域(如营销、反欺诈、广告等)就需要一些其他的算法和技术,比如,超高维的特征工程和算法等。

第四范式联合创始人胡时伟将从机器学习的概念开始,讲怎样做数据清洗处理、机器学习的典型建模流程、机器学习常见的评估指标,以及第四范式在金融、互联网领域应用机器学习的成功案例。

案例 2:淘宝智能写手——智能文本生成在双 11 的应用

新零售时代,内容化、智能化是淘宝的两个重要发展方向。在过去的一年里,阿里淘宝团队基于深度学习在智能文案和图文型内容生成方向进行了一系列探索与实践,并取得了很好的效果。淘宝高级算法专家仲宁将在 AICon 分享如何通过丰富的内容和更加智能的个性化推荐,来进一步提升用户的购物体验。本案例将分享淘宝内容化、智能化推荐演进背景,以及智能文案、图文型商品清单生成的关键问题和解决方案。

案例 3:打造人工智能时代的最强计算引擎——深度学习框架演进漫谈

随着深度学习技术在图像、语言、语音等应用场景都达到了 state of the art 效果,深度学习框架也呈现群雄逐鹿的态势,Google、Facebook、Amazon、微软、百度等大企业及少数几家创业公司都推出了自己的产品。AI 技术专家老师木将在 AICon 对现有主流深度学习框架做一梳理,并从一下两个角度和业界同行探讨这个领域的技术是否已收敛:

  • 从用户体验角度讨论,一个好的深度学习框架应该有什么样的特点?

  • 从技术角度讨论,什么样的设计和实现才能实现人工智能时代的最强计算引擎?

案例 4:机器学习和运筹优化在外卖行业的应用实践

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 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。

案例 5:如何使用机器学习实现 News Feed 正向交互率提升 100%

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。

案例 6:Tutorabc 如何通过机器学习有效解决业务难题

本次分享将从大数据团队的构建、数据平台的架构和落地、数据仓库的建设、数据可视化、机器学习和人工智能如何结合大数据平台落地,讲叙 Tutorabc 大数据和 AI 的快速成长之路,以及在实践过程中,如何通过机器学习和人工智能有效帮助业务解决问题,提高业务服务效率,提升用户体验。在介绍过程中,会穿插讲解如何用一个不足 10 人的团队,解决“缺少银弹”的问题,并在完成对公司业务帮助的同时,见缝插针的解决技术架构升级。

听众受益:

  • 有一定业务体量,希望快速构建一个精悍的大数据团队

  • 希望实践将机器学习和 AI 快速落地到本公司业务的团队

案例 7:深度学习在直播推荐系统中的应用

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。

大会部分演讲嘉宾
  • 颜水成 | 360 人工智能研究院院长及首席科学家

  • 吴    华 | 百度技术委员会主席

  • 山世光 | 中科院智能信息处理重点实验室常务副主任/中科视拓董事长

  • 张重阳 | 微信小程序商业技术负责人

  • 袁进辉 | 老师木/一流科技创始人

  • 刘海锋 | 京东商城总架构师 & 技术 VP

  • 于    磊 | 携程基础大数据产品团队总监

  • 李    伟 | 苏宁云商人工智能实验室技术总监

  • 王    刚 | 小米智能服务总监

  • 徐盈辉 | 阿里巴巴研究员 / 菜鸟人工智能部负责人

  • 桂创华 | 京东商城技术总监

  • 张彭善 | PayPal 大数据研发架构师 / 资深数据科学家

  • 姚从磊 | Kika Tech CTO

  • 洪亮劼 | Etsy 数据科学主管

  • 尹大胐 | 摩拜单车首席科学家

  • 吴友政 | 爱奇艺技术产品中心科学家

  • 裴少芳 | iTutorGroup 大数据部总监

  • 张   浩 | 饿了么技术副总裁

  • 胡南炜 | 微博机器学习计算和服务平台负责人

  • 杨    骥 | 国美在线大数据中心副总监

  • 张    瑞 | 知乎机器学习团队负责人

  • 吴甘沙 | 驭势科技联合创始人 & CEO

  • 蔡    超 |  Amazon 中国研发中心首席架构师

  • 林古立 | 淘宝高级算法专家

  • 胡时伟 | 第四范式首席架构师

  • 何仁清 | 美团点评配送算法策略方向负责人

  • ……

会前两天沉浸式学习

为了让大家更深入地掌握机器学习相关技术和典型落地案例,AICon 特设了会前为期 2 天的深度培训,邀请了明略数据 SCOPA 技术顾问邵蓥侠、微博 AI Lab 资深算法专家张俊林、旷世科技高级研究员熊鹏飞围绕知识图谱、机器学习、深度学习等 AI 技术,展开从入门到实践的落地分享,让你从 0 到 1 系统掌握。

更多大会的分享、培训等内容,欢迎点击 「 阅读原文 」了解详情!

目前大会8 折倒计时一周,购票页面输入优惠码:AIfront 还可享受特别优惠,数量有限,先到先得!购票咨询:18510377288(同微信),也欢迎留言发表更多关于机器学习技术发展的看法。


您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存