Google、BAT、京东、美团等40+机器学习落地案例详解

人工智能和机器学习正在改变并塑造软件的未来。作为公司的高级/资深工程师、架构师、技术经理/总监，我该如何将AI&机器学习应用到公司业务中，有哪些落地案例和踩坑经验可供参考？相关工具、平台、框架是怎样的，如何做选型？如何构建一个专门的人工智能团队，有哪些难点和需要注意的事情？

InfoQ中国团队为大家梳理了目前机器学习领域的最新动态，并邀请到了来自Google、BAT、360、小米、京东、美团等40+公司一线AI专家前来分享他们的机器学习落地实践经验，希望对你有所帮助。

1.《翻译质量自动评估在电商机器翻译中的应用》

电商领域的翻译对质量要求很高，需要提供“准合同”级的翻译结果，尤其是一些关键信息必须翻译完全正确。为了应对海量的翻译质量评估需求，我们开发了机器翻译质量自动评估模型，并且提出了一种全新的基于双向自注意力机制的自动评估算法，大幅度提高了自动评估与人工评估的Pearson相关系数，并且创新性地应用于我们实际电商翻译场景，从多个维度提高电商领域机器翻译的可靠性。

2.《从数据到智慧，知识图谱如何推动金融更加智能？》

早期的金融知识图谱，主要聚焦在二级市场股票投资和一级市场创投数据。近一年来，数据维度得到了很大的扩展，公告、研报、新闻、法规的结构化均取得重大进展，财报提取自动化已接近人工水准，多种类实体库建设得到落实。在应用层面，快速兴起了多个落地场景，如小微企业贷款流程自动化、银行内工作流程自动化、银行客户关系管理和获客、自动化审计、自动化监管、自动化资管等。本次演讲将分享知识图谱技术在金融领域落地的具体实践。

3.《知乎推荐系统的实践及重构之路》

本次演讲将完整讲述知乎推荐系统的重构过程中的经验和心得，接着介绍一些与业务结合中遇到的问题和解决思路。在推荐之路上，知乎是其中一家的践行者，听众将从本次演讲中对工业界的推荐系统有一个全局的了解，对实际工作遇到个各种推荐问题有更深的认识，并会了解到知乎解决这些问题的思路和方法。

4.《深度树匹配——下一代推荐技术的探索和实践》

本次分享将会介绍阿里妈妈精准算法团队围绕全库检索+先进模型这一目标，自主提出的深度树匹配技术Tree-based Deep Match（TDM）这一全新的推荐算法框架。我们将会详细讲述，在具体实现层面如何根据树结构提出兴趣概率最大堆模型，并由此推演出一整套采样、检索、建模的方法。此外我们会详细介绍深度树匹配技术一方面在广告业务上的应用成果和学术创新性探索，该工作也被收录到KDD2018。与此同时，我们还将从下一代工业级推荐技术持续发展的视角，讲述围绕深度树匹配技术进一步发展的探索和思考。

参加完两天的技术大会，记了几十页的笔记，收获了满满干货，然而想要真正把学到的东西应用到实际项目中，回来还需慢慢消化。为了帮助你更好地学习，大会还为你贴心准备了配套资料——最新高清机器学习技能图谱，这些纸质版图谱将会现场发放，免费带回家。