机器学习应用和实践

会议室:二层 2号会议厅A
出品人:王兴星

近些年随着AI技术的发展,我们看到其在多个业务方向的落地,在提升用户体验、平台收... 展开 >

专题出品人:王兴星

美团点评 技术总监

美团点评技术总监,外卖商业技术负责人。2016年初加入公司,从0到1搭建外卖商业变现技术体系,支撑效果广告、展示广告、增值服务及站外增长等多条核心产品线,带领团队多次获得事业群大奖。

他曾在搜狗商业、百度凤巢等部门任职,是前搜狗 PC 和无线联盟的算法整体负责人,所研发的大规模训练系统应用于搜狗联盟、DSP等多个商业产品线。多次获得公司最佳个人、技术部犀牛、MVP等奖项。

他也是数据挖掘爱好者,曾带领团队获得百度电影推荐大赛全国第一名、RTB算法竞赛Online/Offline第一名等奖项。

王兴星专访剧透:从美团外卖说起,机器学习技术如何为企业变现?

专题出品人:王兴星

美团点评 技术总监

美团点评技术总监,外卖商业技术负责人。2016年初加入公司,从0到1搭建外卖商业变现技术体系,支撑效果广告、展示广告、增值服务及站外增长等多条核心产品线,带领团队多次获得事业群大奖。

他曾在搜狗商业、百度凤巢等部门任职,是前搜狗 PC 和无线联盟的算法整体负责人,所研发的大规模训练系统应用于搜狗联盟、DSP等多个商业产品线。多次获得公司最佳个人、技术部犀牛、MVP等奖项。

他也是数据挖掘爱好者,曾带领团队获得百度电影推荐大赛全国第一名、RTB算法竞赛Online/Offline第一名等奖项。

王兴星专访剧透:从美团外卖说起,机器学习技术如何为企业变现?

地点:二层 2号会议厅A

专题:机器学习应用和实践

近些年随着AI技术的发展,我们看到其在多个业务方向的落地,在提升用户体验、平台收入、商户及业务运营的效率等方面发挥了关键作用。本专题将聚焦于机器学习在业务全链条的落地实践,包含:需要解决哪些问题及如何进行技术选型?针对业务的特点如何进行相应改进? 实践过程中需要规避哪些坑?

by 何仁清

美团点评算法通道主席
美团配送AI方向负责人
即时物流领域的AI技术:物理世界的数字化和智能化

美团外卖日单量超过3000万,拥有近百万骑手,是全球最大的即时配送网络。与大多数互联网企业线上业务为主的模式不同(比如搜索、推荐、电商、短视频),配送系统需要在现实世界中的真实环境和真实场景中“运行”,最大的挑战是需要对骑手所在的环境和场景做到实时感知、准确理解和最优决策,这也是近几年行业经常说的“数字化”和“智能化”技术。

举例来说,配送中需要很多现实世界信息,比如商家在哪个商场,在几楼什么位置,从哪个门进入,是否坐电梯?骑手到达商家了吗,等餐多久了,还要等多久? 这些信息的准确性和实时性,对如何做出更优的决策至关重要,是持续提升配送体验和效率的关键要素。

美团配送作为全球最大的即时配送网络,具有丰富的大数据和应用场景优势,结合机器学习、时空间大数据、AIoT相关技术,我们在“物理世界数字化和智能化”这方面做了很多探索和尝试,这次主要分享这方面的重要技术和相关经验。

分享大纲:

1. 即时配送业务发展

    行业整体发展趋势

    配送业务目标和挑战

2. “美团超脑”配送系统简介

    美团配送的技术目标

    美团配送的AI技术体系

3. 刻画现实世界的AI技术

    履约全环节的精准时间预估

    基于骑行轨迹的配送地图(点-线-面)

    基于IoT技术的配送情景感知

4. 配送技术的未来展望

听众收益:

1. 了解新零售下的美团配送的业务发展和AI技术体系

2. 了解AI技术在物理世界数字化方面,到底在解决什么问题,有什么挑战,取得哪些成果

3. 了解如何从业务痛点出发,提炼业务问题,并进行技术建模和持续优化,并最终验证技术效果

听众范围:熟悉机器学习、数据挖掘、AIoT等技术,解决一线业务问题的算法工程师

by 陈华良

每日优鲜
数据智能VP
生鲜零售智能化之路

本次讲座将介绍每日优鲜发展现状及智能化的实践,包括如何实现基于千仓的智能售卖,如何实现智能的供应,如何实现智能供应和售卖的匹配,如何实现智能的配送等,分享我们在实践过程中所用算法及心得。

1. 生鲜新零售智能化概述

行业发展趋势

智能化在行业中的机遇和挑战

2. 智能售卖

基于千仓千面的智能售卖

3. 智能供应

基于预测实现商品采购

基于预测实现大仓到微仓的分配

4. 智能匹配

基于千仓库存实现智能营销

5. 智能配送

基于订单趋势、出库时间、配送时间等关键因素,智能实现人-单分配

6. 智能生鲜零售的未来 

生鲜零售智能化未来的机遇和发展方向

听众收益:

1. 了解生鲜零售的机遇和挑战

2. 了解生鲜零售的智能化方案

3. 了解生鲜零售智能化过程的挑战

by 胡浩源

菜鸟网络
资深算法专家
人工智能在智慧交通物流的技术演进之路

交通物流所属的算法领域,传统上来说属于运筹优化的范畴,主要由精确求解和近似求解两条路线构成,而结合大数据机器学习的体系架构,随着时间的推移,越来越发挥出它的价值,两者结合的研究也开始逐渐增多,我们从在菜鸟的几代技术体系演进的路线为主轴,分享我们在这条路上的得失和自己的一些思考。

一、物流服务的基本挑战

    1. 物流场景特点

    2. 面临的困难和挑战

二、菜鸟网络的AI能力

    1.  统一的运筹优化底层服务平台

    2.  机器学习、分布式并行计算、运筹优化算法的融合

三、AI应用(车辆路径规划、多智能体调度)

    1. 在配送场景如何针对不同的效果、响应时间、约束要求构建统一的AI服务能力  

    2. 以切箱、箱型设计为例介绍在物流落地AI技术的相关要素

    3. 如何结合场景特点,融合精确求解、启发式求解、深度强化学习,在业务进化的同时坚持技术建设方向

    4. 优化算法在产业互联网的广阔应用前景

听众收益:

1、了解工业界在智慧物流交通体系的最新尝试和进展
2、能够自己从无到有,更新迭代自己的技术架构体系

听懂我的演讲,需要具备这些知识储备:

1、深度强化学习、机器学习的算法背景
2、大数据相关的基础工程技术
3、运筹优化的基础算法背景

by 夏磊

英特尔首席工程师
英特尔数据中心技术销售集团人工智能技术中国首席架构师
分布式深度学习训练

本talk将分享如何在IA架构服务器集群上利用基于英特尔优化的Tensorflow、MXNet、PyTorch 开源方案高效地搭建分布式AI模型训练系统,并利用其进行分布式模型训练。

演讲提纲:

1. 构建基于IA架构的容器或虚拟化服务器集群
2. 如何在IA架构服务器优化分布式任务性能
3. 如何利用Horovod构建分布式训练代码
4. 如何优化分布式训练超参数

听众收益:

1. 了解在IA架构服务器集群搭建分布式AI模型训练的原理

2. 掌握在IA架构服务器优化分布式性能的要点

3. 获得基于Horovod分布式方案训练的经验分享

内容亮点:

1. 现代Xeon处理器上的NUMA特性

2. VM、Docker分布式训练环境

3. Horovod分布式训练

交通指南

© 2019 Baidu - GS(2018)5572号 - 甲测资字1100930 - 京ICP证030173号 - Data © 长地万方
本网站图片存储由七牛云独家支持