機器學習、深度學習、強化學習、遷移學習，這些你到底了解多少？各種深度學習框架如TensorFlow、Caffe、MXNet等又該如何選擇？如何將機器學習整合到正在開發的應用中？機器學習在金融、電商、外賣、教育等領域有哪些落地案例？機器學習的新趨勢又是什么？

我該去哪里找到現成的答案呢？有哪些實踐經驗可供學習和參考呢？

InfoQ中國團隊為大家梳理了目前機器學習領域的最新動態，并邀請到了來自Amazon、BAT、360、小米、京東、攜程、餓了么、知乎等公司AI技術負責人前來分享他們的機器學習落地實踐經驗，希望對你有所幫助，詳情可識別下方二維碼進一步了解。

8個可供學習的機器學習落地案例?

1、機器學習在工程項目中的應用實踐經驗談

目前，人工智能、機器學習在很多人眼中是數據科學家們的專屬武器，能夠應用和掌握他們的數據科學家們都有著極其深厚的數學理論功底。那些想要學習和實踐人工智能的工程師們，往往要么是在打開相關書籍的時被映入眼簾的數學公式嚇倒，要么就是學習了很多機器學習的理論及算法但面對實際項目卻手足無措。

近年來蔡超帶領亞馬遜工程團隊應用機器學習、深度學習技術在全球客服系統智能化，推薦系統本地化及合規性檢測自動化等多個方面實現了大量的成功創新。本案例是亞馬遜工程師的學習和實踐經驗分享，告訴廣大工程師如何成長為一個人工智能的實踐者。

2、打造人工智能時代的最強計算引擎——深度學習框架演進漫談

隨著深度學習技術在圖像、語言、語音等應用場景都達到了state of the art效果，深度學習框架也呈現群雄逐鹿的態勢，谷歌、臉書、微軟、亞馬遜、百度等大企業及少數幾家創業公司都推出了自己的產品。本案例將對現有主流深度學習框架做一梳理，和業界同行探討這個領域的技術是否已收斂。

首先，從用戶體驗角度討論，一個好的深度學習框架應該有什么樣的特點；

其次，從技術角度討論，什么樣的設計和實現才能打造人工智能時代的最強計算引擎。

3、機器學習和運籌優化在外賣行業的應用實踐

外賣行業繼電商、出行之后成為第三個千萬級別的互聯網消費行業，每天有2500萬人次足不出戶地在外賣平臺上找到自己喜歡的餐廳和食物，享受著30分鐘送到手里的便利。如何精準地找到用戶需求，提高轉化率和增加用戶粘度，最大化平臺的物流效率和服務質量，都需要大數據和人工智能的幫助。

本案例將主要通過分享4個實例，介紹機器學習和運籌優化在外賣行業的應用實踐，具體講講算法解決方案和迭代過程。

4、第四范式如何利用大規模機器學習技術解決問題并創造價值

目前深度學習在某些領域已經有了較成熟的解決方案，例如圖像特征提取、語音識別、文本翻譯等。但企業級應用涉及各個范圍，以上只是企業經營過程中的一小部分。在其他領域如營銷、反欺詐、廣告等行業應用，就需要一些其他的算法和技術，比如說超高維的特征工程和算法。

本案例將從機器學習的概念開始，講到怎樣做數據清洗處理、機器學習的典型建模流程、機器學習常見的評估指標，以及第四范式在金融、互聯網領域應用機器學習的成功案例。

5、如何使用機器學習實現 News Feed 正向交互率提升100%

從 2016 年年底開始，知乎使用機器學習技術對 News Feed 進行了改進，期間經歷了 Edge Rank - Learning to Rank - DNN 模型推薦等階段，并且取得了不錯的成果：News Feed 的正向交互率提升了100%，用戶在 Feed 頁的停留時長上升了 40%。

本案例將會從產品和技術等方面向大家闡釋知乎過去一年內所做的改進，包括他們在構建用戶畫像系統、首頁的推薦和排序模塊中遇到的一些技術問題和解決方法。

6、Tutorabc如何通過機器學習有效解決業務難題

本次分享將從大數據團隊的構建、數據平臺的架構和落地、數據倉庫的建設、數據可視化、機器學習和人工智能如何結合大數據平臺落地，講敘Tutorabc大數據和AI的快速成長之路，以及在實踐過程中，如何通過機器學習和人工智能有效幫助業務解決問題，提高業務服務效率，提升用戶體驗。

在介紹過程中，會穿插講解如何用一個不足10人的團隊，解決“缺少銀彈”的問題，并在完成對公司業務幫助的同時，見縫插針的解決技術架構升級。

7、深度學習在直播推薦系統中的應用?

本案例將從推薦系統的兩個關鍵技術點：召回和排序，來講解深度學習模型的應用，包括推薦召回中的標簽提取，結果排序中的CTR預估等方面，探討深度神經網絡在自然語言處理和CTR預估領域中的優勢與挑戰，以及深度推薦系統的前景與發展。

8、國美推薦引擎與算法持續部署實踐

電商平臺中，個性化推薦是提高用戶購物體驗的關鍵組件。作為國美在人工智能領域的重要試金石，“推薦系統如何做好算法的持續部署”是一個非常有挑戰性的問題。

本案例以國美推薦引擎提升自身訓練和決策能力的升級歷程為主線，介紹了流式計算引擎、特征多級存儲系統、機器學習算法的演進、A/B測試系統、算法和特征的雙鏈路監控、深度學習模型的實踐部署等內容。同時還探討了國美在人工智能領域未來的發力點。

除了機器學習，還有哪些AI前沿？

1、從視覺計算近期進展“管窺”AI之ABCDE

本次分享將在回顧計算機視覺領域近期部分重要進展的基礎上，對此次AI熱潮背后的深度學習技術源起和基本原理做概括性的介紹，特別是將探尋深度學習與腦神經科學的關系。之后，將以一個具體的例子為切入點，介紹深度學習給AI研發帶來的方法論上的變遷，繼而分析深度學習對全面實現AI的不足之處以及未來需要努力的方向。

聽眾收益：

1.學到一個公式：AI=A+B+C+D+E，即AI背后需要的幾大驅動力；

2.深度學習從生物神經系統那里得到了哪些啟發；

3.現有深度學習為代表的AI方法論的優缺點是什么；

4.AI全面開花還需要哪些努力。

2、微信小程序商業智能技術應用實踐

2017年初微信小程序正式上線，經過一年的發展，人們已經逐漸認識到小程序帶來的便利，隨著越來越多的人開始使用小程序，小程序已經成了微信生態系統中不可分割的一部分。本案例將和大家一起分享小程序在商業化方向的技術嘗試和相關應用案例，包括商業智能、數據決策、用戶分析、個性化推薦等，并與大家一起探討小程序未來的發展方向。

3、蘇寧智能機器人平臺

隨著蘇寧云商、金融、體育、文創等線上、線下業務的不斷拓展，積累了大量的用戶行為以及客服會話數據，如何充分挖掘海量規模的數據，改進用戶體驗、提高客服效率，成為蘇寧亟待解決的問題。蘇寧技術研究院人工智能實驗室研發了智能機器人平臺，采用當前流行的會話即平臺技術，集成閑聊陪伴和專業助理等不同技能，包括家電控制、智能辦公、智能客服、智能導購等，為業務線提供良好支持。

本次分享主要介紹蘇寧智能機器人平臺的架構設計、基于深度學習的文本、可視化問答實現和在視頻、家居、辦公等不同場景的廣泛應用。

大會部分演講嘉賓

顏水成，360 人工智能研究院院長及首席科學家

山世光，中科院智能信息處理重點實驗室常務副主任／中科視拓董事長

老師木，一流科技創始人

李偉，蘇寧云商人工智能實驗室技術總監

蔡超，Amazon 中國研發中心首席架構師

張重陽，微信小程序商業技術負責人

洪亮劼，Etsy 數據科學主管

吳剛，小米智能服務總監

徐盈輝，阿里巴巴研究員 / 菜鳥人工智能部負責人

桂創華，京東商城基礎架構部技術總監

胡時偉，第四范式首席架構師

張浩，餓了么技術副總裁

于磊，攜程基礎大數據產品團隊總監

尹大胐，摩拜單車首席科學家

吳友政，愛奇藝技術產品中心科學家

裴少芳， iTutorGroup大數據部總監

胡南煒， 微博機器學習計算和服務平臺負責人

楊驥，國美在線大數據中心副總監

張瑞，知乎機器學習團隊負責人

……?

會前兩天沉浸式學習

為了讓大家更深入地掌握機器學習相關技術和典型落地案例，AICon特設了會前為期2天的深度培訓，邀請了明略數據SCOPA技術顧問邵鎣俠、微博AI Lab資深算法專家張俊林、曠世科技高級研究員熊鵬飛圍繞知識圖譜、機器學習、深度學習等AI技術，展開從入門到實踐的落地分享，讓你從0到1系統掌握。

更多大會的分享、培訓等內容，歡迎點擊“閱讀原文”了解詳情！

目前大會8折倒計時一周，購票頁面輸入優惠碼：AIfront?還可享受特別優惠，數量有限，先到先得！

購票咨詢：18510377288（同微信），也歡迎留言發表更多關于機器學習技術發展的看法。

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的关于机器学习，你应该至少学习这8个落地案例｜干货集锦的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。