WWDC推出Core ML背后，盘点国内外机器学习已有的落地实践

2017 年 6 月 6 日北京凌晨，Apple 在 WWDC 推出了面向开发者的机器学习框架 Core ML。

据介绍，Core ML 能够帮助开发者简单地把训练完成的机器学习模型封装进 App 之中，以支持文本分析、人脸识别等功能。

Core ML 支持所有主要的神经网络：深度神经网络 (DNN)、递归神经网络 (RNN)、卷积神经网络 (CNN)，除此之外，它还支持 SVM、以及线性模型和树集成。

Apple 的这次发布，已经慢于 Google、Microsoft 等厂早已公开的 AI First 战略，更别说全球互联网争先恐后的人工智能落地浪潮。但目前世界机器学习发展进度如何，在此次 7 月 7-8 日的 ArchSummit 全球架构师峰会 上，我们精心准备了如下的架构深度实践以飨开发者。

目前大会 9 折优惠不足 10 天，大会即将开幕，余票有限，点击文末“ 阅读原文 ”即可报名。

此次分享会结合基于语义理解的智能问答系统和专家系统在实际中的应用，详解自然语言理解的技术核心、技术发展和当前热点 topic。

• Part1: 智能问答系统的应用和关键问题

• Part2: 自然语言问题理解与搜索引擎查询理解对比

• Part3: 自然语言问题理解典型问题的解决算法

• Part4: 自然语言理解技术的智能问答产品应用实践

此次主要分享机器学习在百度凤巢全方位的使用情况，分享百度如何聚焦 AI 打造顶尖的商业智能系统。

• Part1:

• 凤巢 CTR 模型算法演进历程

• 排序全流程实现深度学习，自有大规模机器学习平台的建设

• 模型规模与时效性（增量模型与实时学习）

• Part2:

• 凤巢传统触发演进历程

• 深度学习带来生成式触发、基于机器学习的意图触发

• Part3:

• 标题创意的 AI 撰写

• 凤巢图片 - 图像机器学习全覆盖、机器学习打造智能落地页

• Part4:

• 图片、视频富媒体广告机器合成技术探索

• 视频 AR、VR 场景广告技术的探索

这次分享从百度在安全领域的实践出发，与大家一起探讨通过人工智能、机器学习领域的经典方法形成的分析系统效果。

• Part1: 基于神经网络的入侵检测识别原理与实现

• Part2: 神经网络识别及与语法引擎的对比分析

• Part3: 用户行为分析在 Web 日志审计中的模型介绍

本次分享将着重介绍如何通过数据挖掘和机器学习帮助商家和运营团队来组织和优化促销活动。

• Part1: 运用时间序列 Auto Regression 模型对历年交易数据进行挖掘，推荐季节性促销的最佳时间段

• Part2: 对用户搜索关键字基于 NLP 的挖掘选择促销商品

• Part3: 预测促销的表现

• Part4: 实时监控和优化

微博基于混合云搭建的机器学习平台目前支撑了近百亿样本的特征工程，本次分享介绍微博在使用混合云支持机器学习平台的过程中遇到的技术、业务挑战，探讨对应的解决经验。

• Part1: 微博机器学习平台业务特点、规模、挑战

• Part2: 如何柔性提供计算能力和应对机架不足

• Part3: 如何提供支撑混合云的网络架构

• Part4:DCP 混合云调度平台在机器学习的应用实践

小米应用引擎是小米生态云的重要组成部分和核心功能之一，并集成各种常用的存储和计算服务以及深度学习框架，此次和大家分享小米应用引擎的设计思路和引擎架构的演进过程，以及未来发展规划。

• Part1: 第一代应用引擎

• Part2: 基于 k8s 的新版应用引擎

• Part3: 应用引擎发展

• Part4: 人工智能实践