拥有 15 年的软件开发经验，其中 9 年任世界级 IT 公司软件架构师/首席软件架构师。2010 年加入 Amazon，曾领导开发了亚马逊全球的新外部直运（External Fulfillment）平台，亚马逊物流+系统及基于机器学习的亚马逊全球客服系统智能化项目。现做为亚马逊（中国）技术团队的首席架构师，领导中国团队通过机器学习，大数据及云计算新技术不断创新为中国客户打造更好的体验。
在加入亚马逊前，曾任 HP（中国）移动设备管理系统首席软件架构师，该系统曾是全球最大的无线设备管理系统（OMA DM）；曾任北京天融信网络安全技术公司首席软件架构师，领导开发的网络安全管理系统（TopAnalyzer）至今仍被政府重要部门及军队广为采用，该系统也曾成功应用于 2008 北京奥运，2010 上海世博等重要事件的网络安全防护。
地点：第二会议厅C
所属专题：分论坛五目前，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候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。本讲座是我们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。
1.机器学习实践中的常见误区及陷阱
1.1 准确率 = 最重要的指标
1.2 模型 > 数据
1.3 特征越多越好
1.4 机器学习一定要有标记数据
1.5 模型越复杂越好
2.实践中的常见挑战及策略
2.1 常见挑战
2.1.1 标记的样本数少
2.1.2 正负样本数过于悬殊
2.1.3 没有构建复杂模型的经验
2.1.4 没有处理特征的经验
2.2 常用策略
2.2.1 迁移学习技术
2.2.2 异常检测
2.2.3 基于树的机器学习模型
获得来自一线工程团队的实践分享，帮助听众了解学习和实践中的常见误区，并针对实践中的常见困难及问题给出的解决方案。这些内容涵盖了我们成功实践机器学习的最重要因素。
