在用户的决策周期较长的情景中，平台需要精准挖掘用户状态，并预知用户接下来决策可能，以提升用户体验。本次专题分享将分享如何基于海量数据搭建机器学习系统，如何深度挖掘用户状态并预测状态变化及其过程中遇到的挑战。

1. 用户挖掘系统的背景介绍；
2. 从 0 到 1 快速搭建机器学习系统，包含模型选型、特征设计、特征工程和效果评估；
3. 模型选型的思考以及基于不同类型决策树模型调优过程中的挑战与解决方案。

听众收益

1. 从工程和算法上全面了解机器学习在贝壳用户挖掘上的应用；
2. 了解机器学习系统的典型架构和关键技术点以及面临的挑战；
3. 数据分析是机器学习建模的基础，了解如何通过数据分析更好的调优模型。

贝壳找房是一家以技术驱动的品质居住服务平台，旨在帮助用户精准挑选优质房源，提高企业运营效率。因此公司推出了房源质量打分功能，基于房源数据，利用深度学习模型描摹用户视角。

本次分享将围绕着房源质量打分业务场景中深度学习模型的构建和算法策略的演变进行讲解。

听众收益

1. 如何利用房产数据精准评价房源质量；
2. 如何利用深度学习模型优化签前效率；
3. 房源质量打分算法策略的演变。

智能客服是企业节流的重要手段。以往大量的人工客服已经解决用户反馈的诸多问题，那么充分利用历史知识积累让用户自助解决问题、降低人工客服成本就是智能客服系统的价值所在。

本次分享将从知识生产闭环构建、智能客服系统与算法迭代、效果评估等角度来剖析我们在智能客服系统构建过程中的探索与经验。

听众收益

1. 如何构建智能客服系统；
2. 深度学习算法在智能客服中的相关实践；
3. 智能客服系统指标体系的构建。

为增加用户对房屋的理解，贝壳找房基于自研设备采集到房屋的二维和三维信息，对房源进行深度解读；同时使用人工智能技术，全自动生成房屋三维模型和户型图。本次分享将会讲述如何借助深度神经网络和 GAN，提升用户对室内空间环境的理解。

听众收益

1. 深度神经网络和 GAN 原理介绍；　
2. 人工智能对家居空间理解的帮助；
3. VR/AR 设备与算法基本原理的结合；
4. 如视自动生成户型图技术的讲解。