【04期】我的数据心经：人工智能、机器学习和深度学习的关系

【04期】我的数据心经：人工智能、机器学习和深度学习的关系

更新时间20161129

三者是包含的关系；

人工智能（Artificial Intelligence）为机器赋予人的智能；

机器学习是一种实现人工智能的方法，其最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测；

深度学习是一种实现机器学习的技术，如神经网络算法等。

个人体会：人工智能在上世纪50年代就提出，为何近期才火爆？个人觉得关键是“计算能力”。摩尔定律揭示，当价格不变时，集成电路上可容纳的元器件的数目，约每隔18-24个月便会增加一倍，性能也将提升一倍。随着芯片计算能力的增强，分布式大数据计算架构发展，挖掘算法的完善，通过对海量数据的挖掘，使机器具备“智慧”成为可能。另一个重要原因是在互联网推动下，人类信息化程度得到长足提升，数据纬度和数量剧增，语音和图像识别技术也逐渐成熟。未来，机器将拥护很高的智慧，这是必然趋势。

【03期】我的数据心经：欺诈发现的三种思路

更新时间20161121

个人体会：对业务的深度理解，是发现欺诈行为的非常重要前提。此前在中国移动从事短信精准营销时，发现参与活动的“活跃”用户，其实是套利的用户（渠道分销商屯放电话卡，通过参与活动获得话费、优惠券和套取手机等方式获利，通称卡商）。针对他们的行为分析，发现他们的被动接电话次数和通话时长很低。后来在营销活动上，要求目标用户要锁定用户群（非全量，避免新号码套利），对号码有效性设置一定的门槛（比如被叫次数和被叫通话时长等指标要达到一定要求），从而规避套利风险，实现效果非常好。

在基于业务理解情况下，通过异常值分析、分类模型预测等，可以拟补通过业务经验无法发现的套利行为。

来源：张文彤、钟云飞在人大论坛的SPSS数据挖掘培训视频

标签：欺诈识别、数据挖掘

摘录时间：2016年9月1日

【02期】我的数据心经：模型验证

更新时间20161116

个人体会：模型效果验证除了以上指标外（常用的是准确率、覆盖率和增益图），在落地实施时一般要进行效果评估，通常是分三组（模型组、随机组和经验组）实施。经验组是业务和产品人员根据工作经验筛选出的目标用户。三组比较效果时，要考虑抽取比例一样（比如都抽取1%）或规模一致（比如都是100万）。

来源：张文彤、钟云飞在人大论坛的SPSS数据挖掘培训视频

标签：模型验证、流失预测、数据挖掘

摘录时间：2016年9月1日

【01期】我的数据心经：数据十戒

更新时间20161115

数据十戒

1、一切从定义问题开始，问题问好了，答案就在那里。

2、在万物皆数据的年代，要以“假设数据都能获取”为前提去思考问题。

3、数据助力企业的“四部曲”：描述现状、深入诊断、预测趋势、指挥行动。

4、“快+准”的数据，让我们可以从已知规律中寻找价值。

5、“广+乱”的数据，给予我们从发现中获取颠覆过去规律的能力。

6、大数据不是独奏，而是连接无处不在的数据。

7、数据技术就是加速和积累（数据、分析、服务）的能力。

8、大数据生态的链接需要建立标准与规范。

9、大数据是诸多小数据的组合。

10、数据是一种信仰。

个人体会：数据分析是个累活，数据分析师在企业中的价值远未被开发和使用，累但未体现价值，是大部分数据分析师的感受。在大数据趋势下，数据分析师会发挥更大的作用，数据化运营与运营数据，促使其自身价值被得到认可。但这个过程是漫长的，无信仰，不数据，需要坚持。

来源：书《决战大数据（升级版）》 、作者：车品觉 、P6

标签：大数据、分析心得

摘录时间：2016年7月1日