京公网安备 11010802034615号
经营许可证编号:京B2-20210330
CDA俱乐部北京站——人工智能智享会圆满成功(附福利)
AlphaGo横扫围棋界吹响了人工智能第三次浪潮到来的号角,随着机器学习、计算机视觉等技术的发展,人工智能产业逐步落地,安防、医疗、金融、工业、交通等行业一一成为其施展才华的舞台,面对汹涌而来的人工智能时代,企业如何能分食这块万亿级市场蛋糕,如何能迅速占领“风口”成为人工智能的“受益者”?如何让人工智能可以真正为人类的创造力赋能?
10月22日,CDA邀请了三位人工智能业内人士,共同探讨了人工智能的发展以及如何改变世界,此次活动取得了圆满成功,活动结束时大家依然意犹未尽。
首先带来分享的是北京布本智能科技有限公司首席数据官王安,分享的主题——内容技术中的人工智能应用。在内容技术服务中,中文分词,主题提取,图片选择,个性化推荐等工作都需要更加智能化的方式,来代替人工编辑,提高工作效率,在报告中介绍了在这些方向的深度学习应用,并通过具体的例子来说明在实际中产生的成果。演讲中,王安王总例举了头条云内容上技术中的做法是,基于用户行为而不是标签的方式来搭建推荐系统。
“头条云”通过探索引擎和个性化推荐引擎,"双引擎"的二者相互配合,探索引擎可以弥补单一个性化引擎推荐越推越窄的弊端,通过个性化引擎会不断满足用户的兴趣。
接下来分享的是天云大数据副总裁邢建伟,分享主题——人工智能行业应用—Fintech。邢总在分享中指出目前的大数据反欺诈技术离不开文本挖掘,最重要的是语义识别。其次重要的是图像的挖掘,包括OCR识别图像文字、相似图片等等。传统申卡欺诈分析中往往运用强变量来评估个人在未来信用卡使用行为中的表现,没有整合分析其他维度的数据源。
结合天云大数据深耕金融领域多年的经验,邢总提到大数据申卡欺诈分析预警系统,首先,融合了信用卡申请环节的各个业务数据,解决了数据孤岛的问题;其次,引入第三方数据,比如银联数据等,扩展了数据的维度;最后,通过复杂网络技术,构建申卡客户的社交复杂网络提供客户的社交数据,在拓展覆盖维度的同时,以弱变量来体现强变量,并且实现了社交数据的高频率更新,提高了数据的准确有效性。
最后一位带来分享的是IT桔子的行业分析师李京望,分享主题——从数据维度看AI产业发展十大真相。内容从目前人工智能积蓄了多少实力?瓶颈在哪?能否赋能全行业?哪些领域更成熟?本次分享就中美两国企业、投融资、人才团队、投资者、中美AI九大领域对决、发展趋势预测等多维度进行分析,试图揭露AI产业的发展的十大真相。
据介绍,本次分享的内共收录中国人工智能企业 467 家,投资总额高达 574 亿人民币。这其中,2015年人工智能创业热度最高,当年人工智能创业公司数量达到130家。目前人工智能处于产业发展初期,创业公司主要以2B的企业服务类业务为主,汽车、交通、安防、医疗等行业应用相对较为广泛。人工智能领域投资事件数量随年份呈稳步上升趋势并在 2016年达最高峰——整年共发生208起投资事件。自动驾驶是投资金额最高的子领域,并且大额投资众多。
据统计,人工智能总获投率为 67.65%,整体行业获投率偏高,不仅是是创业热潮,也是投资热潮。
听完了诸位嘉宾的演讲,有人觉得收获满满,有人意犹未尽,下一次CDA即将起航深圳,10.28CDA&科技寺“猎奇金融大数据”诚邀您来参加和交流。(扫码或点阅读原文报名)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19