包裹配送运输路线规划是一个重要而且复杂的问题。精确的配送路线使得包裹能在配送车上依次排列，提高拣货效率；更精确的预估配送需要的时间；安排配送员和区块的分配。配送路线的规划涉及到很多经验规则：小区出入口，左转右转，上下坡，交通路况等都会影响到路径的规划。Coupang采用深度学习理解配送路径，从积累的海量配送数据中学习行驶经验，生成符合经验下的优化配送路径。

我们会简要介绍Coupang路径规划算法框架以及周围的子模块，分享公司在配送路径学习方面的经验。

1. 介绍Coupang包裹配送的业务场景，实际问题中遇到的挑战；
2. 算法框架：从历史数据学习行驶规则，以及路径访问顺序的决策；
3. 算法相关模块：路线规则，分区域等的维护；
4. 深度学习和优化问题的结合：组合生成新的配送路线并且优化合理行驶路径。

深度学习已经在图像／视频／自然语言等应用领域取得了飞速的进展，相对其它应用领域，推荐系统有其自身特点，比如数据稀疏／特征数量巨大／特征稀疏／存在大量离散特征等独有的特性。如何结合深度学习技术目前也是各种实际推荐应用关注的内容。本演讲分为两个方面：一方面对目前在推荐系统领域采用深度学习的技术方案进行梳理介绍，将目前的常见深度学习推荐技术划分为：基于表示学习的模型和基于特征组合的模型两大类，并对比各种模型各自优缺点及合适的应用场景；另外一方面，对于深度学习技术如何应用在微博场景也做了经验分享。

 我们会简要介绍以矩阵分解为代表的传统推荐模型，并重点介绍如下几方面内容：

   1.目前工业界推荐系统的整体架构及对应的深度学习技术应用在推荐系统哪些地方；

   2.基于表示学习的深度学习推荐模型，包括抽象框架及具备代表性的具体模型与系统；

   3.基于特征组合的深度学习推荐模型，包括抽象框架及具备代表性的具体模型与系统；

   4.深度学习推荐在微博的应用实践。

“语言”是跨境交易主要的障碍之一，在阿里集团国际化背景下，阿里机器翻译重点在电商场景翻译上进行优化，目前已支持21个语种的48个语言方向的翻译，日均使用量达到7.5亿次。除了基础的文本翻译，还支持实时语音、图片以及视频翻译，在集团内应用于阿里巴巴国际站、速卖通、LAZADA、菜鸟、阿里云、钉钉和飞猪等40多个业务部门。

本次分享结合阿里跨境电商业务特点和挑战，重点介绍深度学习技术在机器翻译、语种识别、语料筛选和挖掘、电商标题改写，智能纠错等方面的技术创新和应用。

随着时代的发展，互联网广告从传统的展示广告逐渐升级到互动广告、AI广告，广告优化算法也逐步演进，讯飞AI广告平台从实际业务需要出发，使用机器学习、深度学习和强化学习技术，打造实时、智能、高效的算法体系，目前广告算法能够大幅提升广告互动率，有效降低用户转化成本。

在讯飞AI广告平台算法体系的建设中，可以分为三个阶段。第一阶段专注于点击率预估算法的优化；第二阶段在多个业务场景，算法和数据分析相结合，数据驱动产品优化；第三阶段算法和数据、产品深度结合，共同优化广告主的ROI。

听众受益

1、了解广告产品和算法发展演进路线
2、了解机器学习和深度学习技术在广告领域的应用方法
2、掌握如何应用大数据和机器学习技术提升广告ROI