沙龙报名 | 云海机器学习Meetup，5月6日上海
携程作为中国领先的综合性旅行服务公司，每天向超过2.5亿会员提供全方位的旅行服务。拥有海量的用户行为数据、订单数据、供应商操作数据和员工操作数据等。
云海是携程旗下的大数据算法竞赛平台，旨在发掘和培养优秀的大数据人才，以“众创、众智、众包”的新模式，共同探索大数据机器学习的无限潜能。
云海大数据算法竞赛是携程主办的顶级算法竞赛，通过开放数据让所有对机器学习感兴趣的人有机会应用算法来解决旅游行业的实际问题。
通过举办机器学习沙龙，云海希望聚集来自各地的数据科学爱好者，切磋技艺、合作交流、并成为好友，在沙龙讨论的议题包括但不限于旅游行业。
本次第三届云海机器学习沙龙，将分享携程机器学习模型引擎、携程机票呼叫中心智能排班系统、竹间智能聊天机器人、平安银行知识图谱应用和滴滴出行供需多边平台。
点击文末“阅读原文”报名~
活动信息
【时间】5月6日（周日）13:00-17:10
【地点】上海市长宁区金钟路968号，凌空SOHO 12号楼
【议程】
13:00-13:30 签到
13:30-14:10《携程机票呼叫中心AI智能排班系统》- 携程侯淑芳
14:10-14:50《供需多边平台-理论、分析框架、与因果学习（推断）的应用》- 滴滴胡淏
14:50-15:30《知识图谱在金融领域的建设和应用》- 平安丰俊
15:30-15:50 茶歇
15:50-16:30《携程模型引擎平台设计与实践》- 携程李媚
16:30-17:10《人机交互的下一步：对话式，主动式》- 竹间智能翁嘉颀
议题简介
《携程机票呼叫中心AI智能排班系统》
携程侯淑芳
2016年加入携程机票大数据团队，负责数据分析和挖掘项目，目前主要负责航变预测和话务预测及排班优化。2014年取得厦门大学经济学院统计系硕士学位，2014~2015年在深圳国泰安从事量化交易策略研究工作。
议题简介
呼叫中心是服务供给和需求方之间重要的沟通渠道，其存在目的在于向顾客提供高质量的服务。出于对呼叫中心成本控制以及为用户提供更满意的服务这两方面的均衡考量，合理地预估呼叫中心的话务量并安排客服人员，就成了呼叫中心致胜的关键所在。
我们集成了传统统计模型和机器学习方法，根据携程呼叫中心历史话务量的变化趋势，结合携程主营业务的周期性波动，以及影响携程话务量波动的内生变量和外生因素，搭建了携程呼叫中心智能话务预测系统，并根据携程客服接线员的接线时长和工作效率提前预测未来一周所需的客服人员。
听众收益
1、了解时间序列数据在现实场景中的表现形式
2、进一步了解机器学习算法和统计学习方法在时间序列预测方面应用的差异
《供需多边平台 - 理论、分析框架、与因果学习（推断）的应用》
滴滴胡淏
毕业于哥伦比亚大学统计系，现任滴滴参谋部资深数据专家，携程的忠实老粉丝。对平台经济学、机器学习、因果推断、古典乐、减肥颇有兴趣。
议题简介
供需组成的多边平台普遍覆盖从古老到现代的商业：从信用卡到互联网+，从媒人到夜店，五花八门的业务形态是否有共通的逻辑框架与核心抓手？从公司宏观战略运营角度，有哪些重要的分析/监控/规划点？定价补贴、搜索推荐、调度分单、增长策略，是目前互联网公司常用的算法，我们又如何去思考这些机器学习算法的价值？
这是我这一年来一直在思考的问题，本次将从两方面来分享： 1. 多边平台的逻辑框架、核心抓手；2. 机器学习与因果推断在平台运营规划中的应用。
听众收益
1、了解多边平台的本质，和“最小供需规模”的思考、分析框架
2、进一步了解许多机器学习算法本身的价值
3、初步了解因果推断的重要性，以及因果机器学习的前沿算法与应用
《知识图谱在金融领域的建设和应用》
平安丰俊
硕士毕业于新南威尔士大学和悉尼大学，现任平安银行大数据部高级AI产品经理，负责平安银行数据类产品。产品涉及数据平台、精准营销、智能风控、AI体验等领域，对机器学习、全栈开发、产品设计有浓厚的兴趣，资深传统实战武术爱好者。
议题简介
知识图谱作为一个近年来在人工智能应用领域较为流行的概念，为人工智能在知识理解和事物描述上填补了空白。金融作为一个相对垂直的领域，在机器对数据的理解和认知上有着更为专业的需求，而以知识图谱为基础的知识融合在很大程度上可以为金融领域的应用提供数据保障。
如何更好更高效的建立企业级金融知识图谱，如何将知识图谱更好的应用到金融的实际场景中，是我们正在着重研究的方向，也是值得与大家一起探讨的有趣课题。
听众收益
1、大规模知识图谱的构建
2、建立垂直领域的企业级知识图谱面临的主要问题和探索经验
3、知识图谱在金融领域的应用案例
《携程模型引擎平台设计与实践》
携程李媚
2016年加入携程，现任数据智能部数据服务组应用开发工程师。先后负责了酒店交叉推荐，优选频道个性化酒店排序等服务开发工作。本科就读于浙江大学，硕士毕业于东南大学。
议题简介
携程数据服务组专注于模型落地的最后一步——大数据实时服务的开发。为了缩短模型上线、迭代的周期，提高特征复用率，提升在线服务质量，我们推出了模型引擎平台。该平台围绕特征管理、服务生成、质量监控等内容提供了一站式解决方案。
本次分享从诞生背景、设计目标、架构介绍、呈现效果等方面，介绍平台的搭建思路和建设实践。
听众收益
1、 了解大数据实时模型服务的实现
2、 了解携程模型引擎平台的设计思路
3、 如何利用模型引擎平台提升开发效率和模型服务质量
《人机交互的下一步：对话式，主动式》
竹间智能翁嘉颀
从 1982年起坐在电脑前面，上次接触人工智能是 27年前。纽约州立大学计算机硕士毕业，熟悉算法、编程语言、搜索引擎、网络安全以及邮件安全，使用过的语言超过 35种。加入竹间智能两年多来，负责对话系统设计、模块交互设计，以及各种客户需求疑难杂症解决方案。
竹间智能以新形态人机交互、情感计算、语义理解为核心，目前客户涵盖金融、保险、电商、以及 IoT领域。公司总部在上海，并在北京、深圳、台北设有分公司。
议题简介
人机交互从一开始的指令式，到图形化界面，Web 界面，再演化到触屏界面，出现大量APP 试着取代 Web。随着语音识别ASR的进步，出现指令式的语音助手，可以对着手机、手环、音箱、车载使用简单的指令。再进化到关键词交互方式，人们开始可以使用较为完整的句子来表达，机器人从中截取关键词判断用户意图。
现阶段利用 NLP 以及 NLU 技术，以及机器学习方式，慢慢脱离关键词的束缚，可以更聪明的去理解用户意图以做出正确的回应。再下一步呢？是否能脱离一问一答的回应方式？是否机器人能主动的跟人产生互动？没有情绪情感的机器人真的算是智能机器人吗？情绪情感又有哪些可能的应用？
本次演讲主要对于竹间智能认知的 “人机交互下一步”，来讨论如何使用对话式的方式做到更好的交互；如何让机器人不再是被动回应；以及如何做出这样的机器人。
听众收益
通过人机交互设计经验的分享，听众容易理解目前人机交互设计的障碍，以及未来可能的变化方向。无论是听众个人或是所属企业在未来应用人机交互技术时，能直接采用最新潮流，一起提升中文人机交互环境。
活动路线
上海地铁2号线淞虹路地铁站，5号口出，步行约15分钟（可点击放大看路线指引）。
报名合作伙伴
视频合作伙伴
*作为上海互联网领军企业，携程致力于营造上海的技术交流氛围，为技术圈小伙伴搭建一个更好地交流沟通平台，共同成长进步。也欢迎有同样想法的小伙伴，来沟通合作，邮件niuq@ctrip.com*