都在谈人工智能 目前到底都有哪些落地案例呢？ —— 文章正文2017-11-10

 　　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？ 　　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！ 　　摩拜｜如何使用人工智能实现单车精细化运营 　　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。本次分享中，尹大会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。 　　微信小程序｜商业智能技术应用实践 　　微博｜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。 　　知乎｜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，我们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%。本次分享，张瑞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，包括他们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。 　　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。 　　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“缺少银蛋”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。 　　饿了么｜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。 　　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。 　　胡时伟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。

(责任编辑：  来源：  时间：2017-11-10)
Keywords（关键词）： 长距离皮带托辊传输机

上一篇：柔软有弹性流体晶体管面世
下一篇：人工智能会是国产手机超越苹果三星的机会吗？