微信号:ai-front

介绍:面向AI爱好者、开发者和科学家,提供最新最全AI领域技术资讯、一线业界实践案例、搜罗整理业界技术分享干货、最新AI论文解读。每周一节技术分享公开课,助力你全面拥抱人工智能技术。

2017年末盘点,那些值得关注的AI落地案例

2017-11-16 18:00 所有人都在看
编辑 | Vincent

自从去年阿尔法狗在围棋大战中打败人类,人工智能终于跳出了实验室的禁锢,成为活跃在科技领域的核心力量,融入社会的方方面面,近日,沙特还授予机器人索菲亚公民身份,科幻小说中描绘的场景无疑正渐渐变成现实。

是的,人工智能已不再停留在大家的想象之中,各路大牛也都纷纷抓住这波风口,投入 AI 创业大潮。那么,2017 年,到底都有哪些 AI 落地案例呢?机器学习、深度学习、NLP、图像识别等技术又该如何用来解决业务问题?

AICon 上,一些大牛将首次分享人工智能在金融、教育、电商、外卖、搜索推荐、人脸识别、自动驾驶、语音交互等领域的最新落地案例,以及在落地过程中的那些痛点和难点,一些技术细节该如何操作,有哪些避坑经验,应该能学到不少东西,目前大会 8 折报名倒计时进行中,更多精彩可点击文末 阅读原文 详细了解。

人工智能落地案例抢先看

鉴于篇幅有限,这里我们选取部分落地案例,探讨人工智能在各个领域的应用实践,希望可以给你一些启发,并与你一起探索 AI 的边界!

社交|深度学习在红豆 Live 直播推荐系统中的应用

本次讲座主要探讨深度学习在直播推荐中的应用。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提取、关联、抽象出来。胡南炜主要会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。

电商|国美推荐引擎与算法持续部署实践

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。本次分享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,介绍了流式计算引擎、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。同时还探讨了国美在人工智能领域未来的发力点。

教育|Tutorabc 大数据和 AI 之路

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。

娱乐|爱奇艺自然语言处理和视频大数据分析应用

本次分享主要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,我们对电影票房、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。

外卖|AI 在饿了么的应用实践

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。张浩将主要通过分享 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。

会前两天深度培训

为了让大家更深入地掌握 AI 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。

培训课程|深度学习在 CTR 预估中的应用

深度学习目前在图像处理/语音识别/自然语言处理等取得了突破性的进展,并在工业界获得广泛应用并取得了非常亮眼的效果。CTR 预估是目前各个互联网公司中广泛使用的应用任务,各种计算广告和推荐等排序任务中大量使用 CTR 预估相关技术,主流的 CTR 预估方法包括 LR/GBDT 等树模型/FM 因子分解机等模型。

本课程将分享目前主流的 CTR 预估是如何做的?如何将深度学习应用在 CTR 预估任务中,并取得超过传统方法的效果?目前的主流结合方法有哪些?各自有哪些优点缺点?目前较好的深度 CTR 模型有哪些好的模型结构及训练方法?

培训课程|深度学习在图像理解中的应用

图像数据是互联网最大的数据来源之一,如何从海量的图像中获取到有用的信息成为当前业内研究的一个重要课题。用户行为理解、用户画像、信息流推送等任务中都会涉及到图像内容的理解。主流的图像理解包含人脸检测 / 属性、文字检测 / 识别、图像识别、图像标签、图像分割、行为分析等。

随着深度学习在图像理解中的不断突破,图像理解可以在有限的资源下得以完成。本课程重点分享深度学习在图像技术中的应用。通过传统的图像比对入手,介绍深度学习在图像理解中的基础技术,分析了目前主流方法的优劣性,并结合具体场景给出了针对性的解决方案。

好了,内容展示就到这里,案例没看过瘾?还想了解更多大咖的分享?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!

详情可点击阅读原文了解,购票咨询:18510377288(同微信),也欢迎留言发表更多关于人工智能技术发展的看法



 
AI前线 更多文章 Geffory Hinton的“胶囊”里到底装的什么“药”? AI一周热闻盘点:亚马逊宣布支持ONNX;科技部公布首批国家人工智能开放创新平台名单 论文导读 | 一点微小的扰动,就可能导致深度神经网络做出错误判断 准确率99%!基于深度学习的二进制恶意样本检测 大数据查询——HBase读写设计与实践
猜您喜欢 当虚拟化技术遇上云计算 国内IaaS云落地的桎梏(一):为什么企业应该拥抱以应用为中心的云管理 Docker系列文章--基于Docker的高可用架构实践 迅雷7.9宣传下载页面CSS3动画实现心得 .NET面试题系列(2) - .NET框架基础知识二