有人说，人工智能是互联网巨头的布局游戏，不断为下游者制定标准和规则，可怕的是，今年 1 月 Apple 加入了 Facebook、Amazon、Google、IBM 和 Microsoft 去年组建的 AI 联盟，堪称互联网最强大的巨头组合。
有人说，人工智能是每位技术人的最终幻想，AI 范围之大，总会有巨头看不到的盲点，君不见 2016 年，在创业融资领域的案子数量飙升至 650 起，未来时间长河，总会有技术狂人可以破局的地方。
布局和破局，这就是 AI 在 2017 年的节奏，但如何参与其中，在今年的全球架构师峰会上，我们盘点目前了巨头和创业公司的人工智能和大数据实践，希望可以给你不一样的启发。
PS：大数据杂谈为粉丝申请了专属优惠码：AS-DSJZT，仅限前 10 名，点击文末“阅读原文”即可使用。
本次分享将会介绍通联数据如何将大数据、人工智能和深度学习等前沿技术与专业的投资理念相结合，开创投资研究新模式，提升投资者的研究效率及研究能力。
主要为大家分享 AI 如何应用于对金融知识领域的学习中——包括基本面研究、量化投资、基金筛选及组合等方面，同时分享已经落地的应用实例，包括中国工商银行、博时基金、华夏基金、中信证券、招商证券、海通证券等业内一流的金融机构是如何将基于 AI 的产品服务应用于业务中。
这次将深入讨论如何运用机器学习和人工智能，帮助我们不到 10 人的算法团队快速接近目标，其中包括图像 / 文本 feature 抽取方法的尝试，基于图像、文本混合的 topic 分类等技术，以及最后介绍如何在初创公司合理使用人工智能。
在分享过程中，我们还会揭秘小红书推荐与搜索中是如何各自演化的，以此扩展出更深度的人工智能应用。
介绍人工智能在买单侠的应用，包括客户营销、信用评分、反欺诈以及贷后生命周期管理中如额度策略、风险追踪以及差异化定价等场景。
这次分享将着重介绍 AI 在风险决策中的应用，如何帮助显著降低秦苍科技的坏账损失。
另外将会总结在互联网时代，我们在消费金融业务面临的挑战，以及传统的消费金融展业方式，最后分享 AI 在消费金融领域的其他前沿探索。
传统的基于攻击特征的安全防护，存在着特征库难于管理、较高的误报率和漏报率等诸多问题，安全防护效果难以进一步提高。
而近年出现的基于语法规则的检测虽然在一定程度上弥补了特征的不足，但因为不理解业务，对于有着更高智能的攻击也显得捉襟见肘。
我将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，以及如何与传统防护系统相互补充的经验。
主要内容包括基于神经网络的入侵检测识别原理与实现，神经网络识别及与语法引擎的对比分析，以及分享用户行为分析在 Web 日志审计中的模型介绍。
本次分享旨在揭秘如何基于海量数据打造低延迟、高可用、高精准度的智能分单系统，以及分享如何设计基于海量地址库的自然语言处理与机器学习架构。
如在下单环节，用户填写的地址参差不齐，如何快速有效地识别正确地址，给行政区划错误、地址层级缺失、小区名称错别字以及不同城市道路河流差异性的地址做归类是一大痛点。
京东智能分单系统应运而生，根据用户下单地址计算配送信息的系统，在用户下单时可以通过系统计算出仓储到配送员的全链路信息，迅速计算出包裹需要“飞走”的最佳路径。
个性化推荐业务在阿里电商业务取得了巨大的成功，这受益于智能算法的强大和工程能力的提升。
本次讲解将侧重在阿里个性化推荐平台（TPP）的工程层面，向大家全景剖析推荐工程，以及分享我们平台成长采坑实战和灵活便利工具体系。
另外向大家介绍推荐工程平台如何灵活支持业务的快速发展，如何同时支持大量推荐场景在线优化和测试，又如何在双 11 大促中顶住流量洪峰。
供应链管理是大多数制造、零售等多个领域的核心枢纽环节，其中诸如需求预测、库存控制、物流调度优化等问题，对于新技术的应用都有强烈诉求。
数据分析和人工智能算法是升级供应链的利器。本分享将结合工业界的实际问题，开阔思路，阐述如何巧妙挖掘抽象问题，归类实践已有方法，在产品中实施各种算法；并探讨产品解决方案过程中可能遇到的各种问题和经验方法，对其他领域的智能应用具有普适性和参考作用。
小米广告平台负责小米应用商店、浏览器全线软硬件几十个业务的商业变现，平台系统复杂庞大，其中机器学习算法的应用更是无处不在，挑战也是不处不在。
本次分享主要以 CTR 预估为例，讲述小米广告算法的历次探索和逐步演进，以及深度学习在广告素材上的一些前瞻性尝试，包括如何从全局到个性化，从线性到非线性，从单机到分布式，以及分享我们如何进行实时特征和实时训练和设计深度学习模型的。
周洋，Senior Manager of Data Science @LinkedInA/B 测试和多维度的度量（metric） 提取是一个数据驱动公司的最常见和最基本的数据需求。在过去几年里，领英创建并优化了基于唯一度量来源的数据分析平台。
在这个自助服务的平台上，数据需求者可以非常容易地创建和分析 A/B 测试，或者对度量进行过滤、细分和衍生操作以了解业务趋势或者获取数据洞察。
这样的平台一方面推动了领英的数据驱动文化，另一方面把数据科学家从繁琐的日常工作中解放出来，从而能够集中精力在战略性和风险性的高影响力数据服务中。在这里，我们将向大家分享该平台的设计架构，以及领英的数据团队如何帮助公司营建数据驱动的企业文化。
如何在巨大的流量、复杂的应用场景、复杂的网络条件下，持续优化用户体验，是我们亟待回答的问题。
构建大数据驱动的直播优化体系是快手为应对这一难题所提出的解决方案。为此，我们设计了各个层次，各个维度的数据监控指标，并利用成熟的大数据平台进行数据分析和可视化。
一切优化均围绕着数据进行：找到用户痛点，指导优化方向，评估优化效果，走出了一条行之有效的数据驱动之路。
通过市场数据和信息帮助商家优化零售运营是电商平台必须为商家提供的服务之一，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。
首先运用时间序列 Auto Regression 模型对历年的交易数据进行挖掘，推荐季节性促销的最佳时间段，并通过进一步的对用户搜索关键字基于 NLP 的挖掘，推荐最优化的时间段进行促销的商品类别。
新浪微博基于混合云搭建机器学习平台，用于服务线上信息流、关系流和消息推送流，目前支撑百亿级特征万亿级样本的特征工程。
超大维度的特征工程，需要按需快速提供大规模的计算能力和存储资源，在已有一定规模的互联网企业，这样的需求对有限的机架资源也提出了很大挑战。
微博利用 DCP 混合云调度平台，使用高配置的服务器，高密度的构建大规模的机器学习的支撑架构，满足了机器学习平台的业务要求。
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。
上述仅是此次 ArchSummit 全球架构师峰会深圳站的部分案例，更多案例欢迎通过点击 阅读原文 查看。如果在使用优惠码 AS-DSJZT 的过程中遇到任何问题，都可以联络全球架构师峰会的售票天使豆包，QQ：2332883546，电话：18515221946，微信：497788321，或者扫描下方微信二维码加好友，欢迎骚扰~
