21个经典案例带你解密机器学习2.0

2017 年 11 月 28 日 AI前线 走在时代前沿的


作者|AICon
编辑|Emily
都说机器学习进入了 2.0 时代,强化学习、迁移学习等新名词层出不穷。那机器学习 2.0 到底是什么,它和 1.0 的区别在哪里?TensorFlow、Caffe、MXNet……各种深度学习框架的优缺点分别是什么?到底选哪个好?


2018 年 1 月 13-14 日,由 InfoQ 主办的 AICon 全球人工智能技术大会聚集了来自国内外一线互联网公司的 AI 技术负责人为参会者分享机器学习 2.0 在金融、电商、教育、外卖、搜索推荐、人脸识别、自动驾驶、语音交互等领域的落地经验。AICon 致力于助力企业根据最佳实践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。


部分精彩案例抢先看

 Amazon | 机器学习在工程项目中的应用实践经验谈

分享嘉宾:蔡超,Amazon 中国研发中心首席架构师

目前,人工智能,机器学习在很多人眼中是数据科学家们的专属武器。能够应用和掌握他们的数据科学家们都有着极其深厚的数学理论功底。那些想要学习和实践人工智能的工程师们往往要么是在打开相关书籍的时被映入眼帘的数学公式吓倒,要么就是学习了很多机器学习的理论及算法但面对实际项目却手足无措。

近年来本人带领亚马逊工程团队应用机器学习、深度学习技术在全球客服系统智能化,推荐系统本地化及合规性检测自动化等多个方面实现了大量的成功创新。本案例是 Amazon 工程师的学习和实践经验分享,告诉广大工程师如何成长为一个人工智能的实践者。


 阿里巴巴 | 智能写手——智能文本生成在双 11 的应用

分享嘉宾:仲宁,阿里巴巴淘宝高级算法专家

新零售时代,内容化、智能化是淘宝的两个重要发展方向,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。过去的一年,基于深度学习,在智能文本生成的探索实践上,“淘宝智能写手”在智能文案和图文型内容生成上取得了很好的效果。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。


 一流科技 | 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

分享嘉宾:老师木,一流科技创始人

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,谷歌、脸书、微软、亚马逊、百度等大企业及少数几家创业公司都推出了自己的产品。这次演讲对现有主流深度学习框架做一梳理,和业界同行探讨这个领域的技术是否已收敛。首先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;其次从技术角度讨论,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。


 腾讯微信| 微信小程序商业智能技术应用实践

分享嘉宾:张重阳,微信小程序商业技术负责人

2017 年初微信小程序正式上线,经过一年的发展,人们已经逐渐认识到小程序带来的便利,随着越来越多的人开始使用小程序,小程序已经成了微信生态系统中不可分割的一部分。张重阳将和大家一起分享小程序在商业化方向的技术尝试和相关应用案例,包括商业智能、数据决策、用户分析、个性化推荐等,并与大家一起探讨小程序未来的发展方向。


 饿了么 | 机器学习和运筹优化在外卖行业的应用实践

分享嘉宾:张浩,饿了么技术副总裁

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。本案例将主要通过分享 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。


 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

分享嘉宾:胡时伟,第四范式联合创始人/首席架构师

目前深度学习在某些领域已经有了较成熟的解决方案,例如图像特征提取、语音识别、文本翻译等。但企业级应用涉及各个范围,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、广告等行业应用,就需要一些其他的算法和技术,比如说超高维的特征工程和算法。

本案例将从机器学习的概念开始,讲到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。


 知乎 | 如何使用机器学习实现 News Feed 正向交互率提升 100%

分享嘉宾:张瑞,知乎机器学习团队负责人

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%。

本次案例,我将会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。


更多大牛分享敬请期待


  • 颜水成, 360 人工智能研究院院长及首席科学家

  • 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

  • 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

  • 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

  • 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


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、旷视科技 Face++ 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 折倒计时报名中,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。


登录查看更多
7

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【经典书】机器学习高斯过程,266页pdf
专知会员服务
228+阅读 · 2020年5月2日
【经典书】统计学习导论,434页pdf,斯坦福大学
专知会员服务
234+阅读 · 2020年4月29日
医疗知识图谱构建与应用
专知会员服务
384+阅读 · 2019年9月25日
盘它!40篇+阿里技术经典案例,看完必收藏
阿里技术
6+阅读 · 2019年2月18日
《美团机器学习实践》—— 思维导图
图灵教育
22+阅读 · 2019年1月17日
40+一线大厂AI落地案例指南|年终干货总结
InfoQ
8+阅读 · 2018年11月18日
手把手带你玩转机器学习和深度学习
大数据技术
8+阅读 · 2018年1月3日
乌镇大佬都在扯的AI,都有哪些案例落地了?
计算广告
3+阅读 · 2017年12月6日
2017年末盘点,那些值得关注的AI落地案例
AI前线
6+阅读 · 2017年11月16日
Arxiv
5+阅读 · 2018年10月4日
Arxiv
3+阅读 · 2017年11月21日
VIP会员
相关资讯
Top
微信扫码咨询专知VIP会员