随着大数据技术的普及和发展,机器学习技术从搜索引擎开始,伴随着互联网、移动互联和... 展开 >
张彭善,2008 年硕士毕业于上海交通大学,2012 年初加入 PayPal Risk Data Science 团队。2013 年初开始研发基于 Hadoop/YARN 的机器学习框架,以满足 PayPal 日益增长的风控大数据的需要。主要负责使用 Hadoop/YARN 实现分布式的神经网络、逻辑回归以及梯度提升树等算法。目前在 PayPal Risk 负责分布式机器学习的框架的研发以及机器学习工程化的端到端的系统平台建设。个人的兴趣主要集中在分布式的计算系统和大规模的机器学习/深度学习方向。
随着大数据技术的普及和发展,机器学习技术从搜索引擎开始,伴随着互联网、移动互联和共享经济的发展,日益成为改善用户体验、提高产品质量的核心组件。机器学习技术不仅给互联网带来了源源不断的收入(互联网广告),甚至也在改善我们每一位用户的日常电商购物、交通出行、旅游等方方面面的体验。本专题尝试从实际应用出发,向听众展示各个产业应用机器学习的具体的流程、经验以及最佳的实践。
在人工智能时代, AI 技术中会以提供更精准更高效的方式在流程改进、沟通费力度下降、沟通效率提高、成本降低及收益提升等众多方面全面改变目前的商业模式、推动业务发展。携程度假的智能云客服平台在这方面做了有益的尝试,大大提升了携程度假客服的效率和用户体验。
在风险控制方面,PayPal 通过使用机器学习的算法解决欺诈以及洗钱等风控业务问题,取得了非常丰硕的效果。本次演讲主要包括 PayPal 风险管理概述,PayPal 风险建模解决方案,Paypal 风险建模的历史发展,以及深度学习的一些实践。
在互联网广告排序中,CTR 预估是流量利用率最大化的关键。在美团点评的 O2O 场景下,CTR 预估会面临什么样的难题,我们在实践中如何解决这些问题。在实际工作中,如何搭建高效、易扩展的 CTR 预估平台,降低学习成本、加快优化迭代效率、提供高效可靠的服务;以及在效果上面我们做了什么有意思的事情,未来想要做什么事情。
唯品金融脱身于唯品会的金融事业部,本次分享主要围绕如何在唯品会三亿用户量级的数据基础上,通过机器学习手段在消费金融领域实现价值的一些探索。主题包括机器学习在消费金融相关应用上有效性和边界,唯品金融机器学习进化路线,算法平台和应用之间的关系,以及算法团队建设上的一些思考等。