国内有哪些人工智能领域的创业团队或创业公司?

lulu小朋友 2021-11-26
最佳回答
人工智能领域,国内的公司虽然暂时做不到超英赶美,但一样汇聚了最强的头脑,做出了不少有趣的成果。大公…
类似问答
  • 国内有哪些人工智能领域的创业团队或创业公司?
    • 2021-11-25
    • 提问者: 巴啦拉大魔仙
    人工智能领域,国内的公司虽然暂时做不到超英赶美,但一样汇聚了最强的头脑,做出了不少有趣的成果。大公…
  • 国内有哪些人工智能领域的创业团队或创业公司?
    • 2021-11-25
    • 提问者: Rebekah果
    我想你要问的一定是未来的赢家。创业浪潮此起彼伏,诸侯争霸你唱罢我登场。这个场子分外热闹,热闹让人兴…
  • 国内有哪些人工智能领域的创业团队或创业公司?
    • 2021-11-25
    • 提问者: 襄阳幻风气球?阿飞
    很多人工智能创业公司聚焦于算法应用层面,比如这个回答下面、还有图总的文章里提到的人工智能创业公司top50中炙手可热的商汤科技、旷视科技等,而寒武纪这家公司的路线...
  • 国内有哪些人工智能领域的创业团队或创业公司?
    • 2021-11-25
    • 提问者: 上上酒吧李超
    目前的人工智能领域是基于深度学习算法,而深度学习算法主要应用于图像和语音识别。自12年深度学习崛起开…
  • 有哪些“独角兽企业”概念股?
    • 2021-11-25
    • 提问者: 脑洞大破天
    一、由北京市长城企业战略研究所、科技部、中关村等联合发布的《2017中国独角兽企业发展报告》已经完成认定,将于本月23日公布。名列报告中的知豆汽车将以宁波市首家“独角兽”企业身份亮相。双林股份:双林股份曾在互动平台回复称,公司持有宁海知豆电动汽车有限公司4.5%股权。多氟多此前公告称,公司战略入股知豆汽车,具体入股比例及相关事项由公司战略投资部专项谈判。二、华金资本:公司表示,作为财务性投资,公司有投资优必选,但投资金额很小,股权占比不超过1%,目前尚未实现退出。优必选官网示,优必选科技成立于2012年,是一家集人工智能和人形机器人研发、平台软件开发运用及产品销售为一体的全球性高科技企业。2016年,优必选估值已经超过10亿美元。投资3亿参与博纳影业,目前博纳影业IPO仍在排队中,已经进入前50名以内(20018年3月14日)。2014年,珠海金控通过举牌成为华金资本控股股东后华金资本重点聚焦TMT、高端制造、环保科技、大健康、文化传媒等五大行业,不断发掘盈利能力和增长潜质好的投资项目。其中,通过直投方式完成对活力天汇、有货、飞礼科技等优质项目投资;通过与IDG资本、东方富海、方正科技等优质创投机构和知名产业资本合作,设立上海麓麟、星蓝华金、力合华金、华金方正等股权投资基金。直接或直接投资参股的公司:活力天汇、优必选、最淘科技、七乐康、豆荚科技,博纳影业,找钢网,有米科技,和力辰光、唱吧、航班管家、华冠科技等。占股最多的是华冠科技53.02%;以下此图为华金资本投资的部分独角兽和优质企业。三、康力电梯3月14日在互动平台表示,公司目前持有康力优蓝26.77%股份,为其第二大股东,康力优蓝已于2018年1月30日参加“独角兽走进深交所”路演。四、江南化工图灵机器人是国内最具创新能力的人工智能创业团队之一,该公司继2015年来先后获得了上市公司江南化工以及奥飞娱乐的青睐。公开资料显示,江南化工持有该公司12.62%股,奥飞娱乐则持有5%股权。近年来,图灵机器人连续发布两款重量级人工智能产品图灵机器人平台与机器人操作系统TuringOS,公司估值已超10亿元。五、合肥城建控股股东兴泰控股通过参股建信信托,成为海南建银建信的间接股东,而海南建银建信正是蚂蚁金服的股东之一。六、佳都科技公司持有云从科技股份为11.57%。佳都科技参股的云从科技是一家人脸识别领域技术领先的独角兽企业,而且云从科技不同与已经在海外上市的公司,没有VIE结构等问题。佳都数据确实引入了浙江蚂蚁小微金融服务集团股份有限公司作为战略投资方,蚂蚁金服旗下上海云鑫创业投资有限公司为佳都数据投资人。七、上海三毛通过下属创投公司持有沪江网(互联网学习平台独角兽)股份。八、麦达数字日前在接受机构调研时表示,新兴产业的独角兽企业获得更多的政策支持,不独国内,国外成熟资本市场也是如此,估计国内监管层面的支持是早晚的事情,这对公司战略落地来说是好事。在新兴产业领域,公司已经投资的赢销通、六度人和(EC)、富数科技等都属于云计算细分领域的龙头企业,如果新兴产业获得更好的监管政策支持,预期这也将会给公司带来可观的投资回报。九、山东威达持有昊安金科新材料有限公司11%的股权,持有万图高分子材料有限公司3.05%的股权,持有震宇智能科技股份有限公司12%的股权,持有思博威软件股份有限公司5.56%的股权。此外,全资子公司与蔚来能源共同投资设立合资公司。十、九有股份公司的的朱胜英、李东锋和孔汀筠与北京春晓金控科技发展有限公司(下称春晓金控)签署了《股权转让协议》,将其合计持有的盛鑫元通100%股权转让给春晓金控。即九有股份实际控制人变更为春晓金控,最终实际控制人变更为韩越。而春晓资本,成立于2015年2月,目前已投资包括零壹空间、象辑科技、笨土豆、卖家云、蚂蚁HR、翰都、棉庄、云农场、会唐网、美业邦、萌小助、课栈网和找萝卜等17家企业。看你是需要选择什么样的股票, 一般来说选股的方法比较多,利用排序筛选的方法(强弱关系排序以及区间的涨跌幅度排序),利用指标等选股的方法。首先,我在这里以通达信为例说一下具体的操作:1、找到通达信的条件选股功能,加入MA5与MA20的金叉的股票,接下来再进行重点研究,可以极大的帮你缩小选股的范围,你需要更精确的话可以配合强弱关系或者涨幅震荡来选择。2、强弱分析排序点击之后就可以选择出你想要的股票排序3、区间涨跌幅度排序法点击之后就会出现涨幅幅度的排序,关于时间,你可以自己去选择另外还有一些可以选择优质股的指标,比如:翻倍黑马选股、均线粘合突破选股、老鸭头选股器等等,主要还是选择适合自己的欢迎留言、关注,后期我还会再分享一些股票交易技巧,需要指标的可以联系我互相探讨学习,朋友圈发牛股买卖点位,验证盘中实力,拒绝马后炮关注公众号:清风江上游 进行领取。
  • 京东金融为何要寻求重组?有哪些可能的原因?
    • 2021-11-25
    • 提问者: HKTZ
    以「金融科技」定位的京东金融集团成立于2013年10月,逐步构建了供应链金融、消费金融、财富管理、众筹、证券、保险、支付、金融科技以及农村金融九大业务板块。京东金融CEO陈生强表示,京东金融以数据为基础,以技术为手段,借力京东的场景和用户资源来做金融业务,这是自营金融业务。现在乃至未来,京东金融要做的是:遵从金融本质,以数据为基础,以技术为手段,为金融行业服务,从而帮助金融行业提升效率、降低成本、增加收入。这个定位就是金融科技。京东金融这三年多,从无到有,从有到精,一路走来,背后定有许多精彩故事。本着学习的态度,有幸和京东金融部分技术人进行面对面的交流,过程中涉及到京东金融技术的发展历程和挑战、技术负责人的管理理念、风控、人脸识别、资产负债、白条、支付等,干货满满。我将通过本文,带大家一起走进京东金融,一瞥金融科技公司的幕后战场。京东金融技术的发展历程&挑战京东金融技术体系根源于京东商城技术沉淀,人员由外部引进和京东商城各体系(网站、订单交易、支付、财务、数据等)研发团队的技术精英组成。京东金融技术架构起始就有一定前瞻性,主要因素是这些研发团队和京东商城一起快速成长,且多次经历过像618和双11等各种技术大考。基于这些使得支付、白条、风控等大流量业务能够平稳安全度过,访问量呈现几百上千倍增长的挑战,避免了业务高速发展中一些高昂的试错成本。当然,金融业务和商城业务有很大区别,整个金融业务可以看成是一种“虚拟经济”,对数字理解、技术领先性有特殊的要求。京东金融这三年的技术成长过程中面临种种挑战,这里主要讲述四方面:流量、一致性、大数据和科技:流量:流量是所有中大型互联网公司都会面临的问题,解决方案相对较成熟,如分库分表、动静分离、冷热分离、(多级)缓存等。这些解决方案基本存在共同特征,那就是后台计算逻辑并不复杂,系统运算时间在整个周期中几乎可忽略不计。但京东金融某些业务并不是这样,以风控为例,一笔订单支付,用户感受到的是瞬间(一秒以内)就完成支付过程,但这短短一秒内风控系统要做很多事,如判断用户的设备信息、登录行为、访问特征、信用状况、商品信息、商家特征、配送区域、银行卡状态等。如建立信用、反欺诈、伪冒交易等一系列模型,其中多达近百项的模型需实时计算。这样庞大的运算量在一秒内,甚至几十毫秒内完成,不是易事。况且在618和双11等大促中,为了用户的账户和资金安全,不能轻易去降级,这本身就是一个巨大的挑战。一致性:金融业务特征决定数据一致性差异的容忍度很低。以白条业务为例,角色有消费者、商户、小贷公司、京东商城、第三方支付、银行等,角色之间会有费用往来,如账务出现细微差异就会导致工作阻塞。系统是分模块设计的,看似打了个简单白条,却要经过交易、计息、分期、账务、资金、资管(ABS)等一系列模块,为兼顾性能,架构设计时对轻事务模型方案做了一定的妥协,这样也是为扩大前端收单能力。这样一来,如何让数据在多个模块中保持一致性就成了挑战。所以当数据快速进来,后端要有精密的核验机制来协调数据的一致性。大数据:对大数据的理解各有不同,以点带面,京东金融是从数据服务于应用的角度来考虑他的挑战性。以白条授信为例,白条是国内第一家无纸化授信的互联网消费金融产品,那么用户授信、授信额度是首要面临的问题。白条初期,大家一起商讨如何搭建授信模型,业务说条件,技术做翻译,通过数据集市筛选出来合格的用户,额度也是人为定的简单规则,这导致白条上线初期,仅有特邀用户才能开通白条。随着业务发展,市场表现超出预期,逼迫技术必须革新。京东金融不断研究新技术解决方案的同时还引进更多更专业型的技术人才(模型、算法、分析以及大数据开发等)。目前,整个授信过程实现全自动,人的经验明显落后于海量维度精细化测算的评分结果。分析人员也在不断训练和调校模型的准确性,进行系统快速迭代。评分模型已覆盖全部京东用户,大半活跃用户均在授信范围。科技:这是京东金融一直在探索创新的领域,如人脸识别、语音识别、区块链等。人脸识别在各大金融场景较常见,但各个产品的体验也不尽相同,考虑到人脸特征背后需要精细数据支撑,出于对数据安全的考虑,技术在市场上并没有公共的服务,一些实力公司投入重金进行自研。人脸识别最大的挑战是准确性,实验室环境简单,数据样本较少,真实的环境中人物有表情、年龄、背景、角度甚至是伪造视频等不同因素的挑战,会让整体准确性大打折扣。准确性没有达到市场要求时却推广,对用户来说是一种负体验。在金融行业,有这样需求的产品越来越多,实名、开户、安全交易甚至登陆等都是非常不错的应用场景。市场是技术成长最大的推动力,摆在京东金融面前的压力是如何让自研技术能够赶上和超越市场上人脸识别的准确度。京东金融技术体系负责人曹鹏谈管理曹鹏·京东集团副总裁、京东金融技术体系负责人曹鹏,现任京东集团副总裁、京东金融技术体系负责人。毕业于北京交通大学,取得人民大学EMBA,目前在读清华五道口EMBA;历任京东商城研发总监、产品总监、职能研发副总裁,现任京东金融副总裁。很荣幸成为第一个给曹鹏做专访的媒体人,他02年认识刘强东,07年受邀加入京东,13年请缨来到京东金融。京东金融是京东内部孵化的公司,在最初期紧贴业务、快速响应,很好的活下来才是技术首要。随着业务的爆棚,作为技术负责人,只埋头做技术是远远不够的,而是要清楚「公司目标是什么?从众多业务中做出抉择,哪些做哪些不做?」。同时在思考,不能把精力四处散落,什么都想干,要集中技术力量始终保持和业务的步调相契合,把产品、研发、运维、测试等技术和业务绑在一起,打造业务上的闭环,业务发展才会更茂盛。技术人做管理,最重要的是思考方式的转换。对于技术人来说,一方面是很难量化考核,另一方面业务技术互驱动,如业务很牛,说明技术很到位;业务发展好,快速扩张,技术人就会有上升的空间。所以与其制定条条框框,方方面面都管,不如「将心比心 以身作则」提升、激发技术人员的主观能动性。同时曹鹏表示,读EMBA也是为了从创业公司老板身上,看到老板和自己思维模式上的差异。最初在京东做管理主要是接需求、做任务,在原有架构上做大大小小的调整,一个个攻坚开发新系统。现在更多的是站在老板的角度看问题,将技术目标与公司目标统一,通过技术的突破发展为公司的发展做出更大的贡献。京东的下一个12年战略规划是全面走向技术化,京东金融技术体系目前也在不断吸纳更多优秀的人才加入,提升金融科技实力,进行技术输出。最理想的状态是团队三分之一的人完成业务的支撑,其他人利用京东集团自身和外部的大数据资源、用户和流量等优势,结合当下人工智能、人脸识别、深度学习等最新技术,研发创新产品,一方面运用到适合的场景中,步步迭代,力争把用户体验做到最极致;一方面为金融行业提供一流的技术输出服务。京东金融风控研发部架构师王美青谈风控王美青·京东金融风控研发部架构师风控的灵魂是数据,所有决策都以数据为驱动。策略和模型是风控做出决策的两大依据,策略偏向有效性、模型偏向预测和度量,两者有非常多的联系和结合,根据业务和场景来选择合适的方案,并且需要人工与自动化结合来调整。两者都离不开基于大数据的挖掘能力,都需要做特征工程,只有把挖掘的成果再次加工和抽象,做成最原子的规则,才能形成复杂的策略。京东金融,有数百个需要风险控制的场景,交易类占比最大,非交易类有促销优惠、白条激活、信用评估等,这么多业务都需要风控做出实时决策。同时保证执行最复杂的策略与模型时,在性能上做到毫秒级(几十毫秒)。实时和准实时决策引擎,所用到的所有输入数据还必须做预计算。当事件发生时,与之关联的计算项会有几千甚至上万项,从storm迁移到自主研发实时计算平台,通过简单配置即可完成支持时间滑动窗口的计算,满足指标与变量多样化复杂化计算并且不需要单独发布,在这一点上要优于storm,在性能上,同样基于akka,丝毫不逊于storm。另外一部分计算当然就是通过跑批完成,开始在使用MapReduce,热数据全部内存化(redis),之后使用kylin与flink相结合的方式,根据计算项的数据来源和窗口规格来确定使用哪种计算方式。这些计算结果会被引擎直接使用,所以决策引擎被内部定义为一个轻量级的策略与模型的计算框架,背后由数个系统组成。和传统风控相比,互联网+金融是数据风控最大的优势。从维度方面来说,数据风控会涉及到社交领域、画像等互联网因素,所以数据风控更关注的是互联网社会行为数据。开始以业务系统产生的数据和点击流作为主要挖掘的素材来源,这部分和用户的行为关系最大,也可以非常有效的识别风险,但随时间推移,恶意用户的知识是在积累的,他们的反侦察能力在不断提升,可以去模拟正常的用户。这时,就要渗入到用户所在的环境里,把打造设备指纹、生物探针等分别应用于Web和移动设备上,作为移动安全的一部分。这为分析恶意用户提供非常有效的一个途径,用户长时间积累的数据会形成一个稳定的习惯模型,发现异常及时通知。行为可以模拟但习惯被模拟的代价就非常高。针对数据的治理,京东金融目前用机器学习建设了很多的模型,如下图。最下层的是各种数据进入大数据环境后,由于原始数据存在杂乱无章的现象,此处使用各种颜色来示意。数据原子化是经过整理后,把数据按业务归属分类,形成最原子的类别,比如账户,资金,投资,消费等等。数据抽象层是按风控关注的业务做数据整合,这层是最贴近业务的。每一块代表一类业务,一个原子数据类是可以被放入多个抽象数据块里的。数据模型层主要是对分析场景使用的,基本就是一个数据模型块对应一个分析场景。机器学习在京东金融的天盾风控系统应用流程如下:根据经验,在算法的选择上尽可能的多做选择,对比模型的性能择优选取。另外,对样本库做好治理工作,可使用随机抽样和使用聚类把样本数据分层抽取。这些工作是建模人员在大数据环境中也就是离线做的,那么,怎么把训练的模型应用到线上做实时呢,下图是架构:京东金融目前正在开发机器学习平台,让懂机器学习的人就可以使用机器学习做想的事情,当前懂机器学习的人不在少数,但真正使用机器学习做具体事情不多,故此平台不但满足内部建模训练、发布等,还可对外输出。数据风控还有很长的路要走,如量化投资风险评估与运营也属风控范畴,风控也可和推荐领域相结合。如数据会有阶段性差异,质量会随时间推移,慢慢发生变化,可能花费很大精力产出的预测产品会失效,调整代价难易不可估。如不同场景准确度和覆盖度都是不同的,尺度如何把握。如怎样能降低统计分析学和分布式计算相结合的成本等等。总之,互联网金融风控核心还是服务客户,提升产品价值,最大程度的做到差异化的防范,智能化是风控的发展方向,京东金融从开始就致力于打造智能化的风险管控解决方案。京东金融支付核心研发部负责人安培谈支付安培·京东金融支付核心研发部负责人安培表示,很幸运加入京东金融,伴随着京东金融一起飞速成长。京东金融支付系统支撑着整个集团业务线上、线下的收款,不仅要支持业务海量的需求,又要抗得住每年翻番增长的流量,对技术架构和项目管理是一个很大的挑战!京东每年流量的增长都远远超出预期,经过几年的迭代和数次架构升级,支付系统从一个小小的收银台,逐渐演化成了几十个系统、上千台集群服务器构成的复杂应用。支付系统作为京东集团重要的业务支撑系统有很多自己的特点:高并发:支付系统支撑着整个京东集团线上、线下的收款,每年流量翻番增长,对系统架构是一个很大的挑战!就在16年的双11凌晨,系统非常稳定的承受了京东历史上最大的流量洪峰。安全、数据强一致性:支付系统存储着大量用户银行卡、支付密码等重要且敏感信息。因此防XSS、防sql注入就成了重中之重,安全工程师则每天都要对系统进行漏洞测试,渗透性测试等。因为涉及用户真实的资金,支付系统对于数据一致性和安全的强要求是毋庸置疑的。是的,一条数据都不能错,一条数据都不能丢!调用链路长:支付系统既要符合业内安全规范,又涉及商户、机构、银行间的网络交互,以至于网络环境非常复杂,一个用户的支付请求需要穿越多个机房,数个防火墙,几次从公网到内网,从内网到公网的转化!而且,支付系统背后的渠道是上百家技术能力参差不齐的银行,就导致不仅调用链路长,而且延迟性非常高。从用户体验和系统并发的角度,在两年前对系统做了全流程请求异步化改造。实时性:试想一个场景,用户在线支付了一个彩票订单并付款成功,但是由于支付系统的延时,导致没能及时通知彩票系统出单。期间彩票开奖,用户投注的号码中得头奖,但因出单失败,500万大奖不翼而飞!可见支付系统的实时性是多么必要。京东很多业务流程的状态都依靠支付成功的消息去推动,比如实物订单要在支付成功后才能推送到库房生产,手机充值订单需要支付成功后才能给用户充值。一个大数据的分析系统,报表的数据可以离线计算,而对于支付系统而言所有请求必须实时处理,刻不容缓!依赖系统众多:支付系统依赖数十个左右的核心服务,上百家合作银行。要保证一旦依赖的服务出问题,对支付系统的影响是最低,小伙伴经常需要凌晨登录VPN对依赖的服务降级,对故障的通道进行切换。并且支付有很多琐碎的运营工作,如各种维度的成功率、转化率监控,银行的限额变更,错误码变更等。这时一个强大、多功能灵活的运营后台应运而生!基于以上的特性,要求系统必须是High Availability(高可用)!然而真正 High Availability的系统不单单只是能应对大流量。常见的分库分表的系统架构,存在两个重要不足:对数据库强依赖,当数据库宕机的时候,整个应用是无法对外提供服务的。在真实的运维场景,服务器的内存条坏了、硬盘烧了、交换机故障等是家常便饭,这些故障需要值班运维介入处理,最快也要五分钟时间。五分钟对于集团的支付系统而言,可能是千万资金的收款,这种事故无法面对。扩容,以MySQL为例,DBA推荐的连接数配置是不超过两千,随着系统的运行及流量的增长,存储和并发一定会达到瓶颈,而数据库扩容是一项耗时耗力且风险极大工程,需要长时间的灰度发布及精细监控,需要投入很多人力,一旦出了问题就可能造成大量用户投诉以及半夜都处理不完的工单。高可用系统的一个重要指标是应对黑天鹅事件,对于服务器硬件概率性故障,值班运维可以介入处理快速恢复,但是有些不可控的因素,比如机房运营商网络故障,一旦遇到这类突发故障,系统要如何快速应对?很多人都知道,最主流的灾备技术是两地三中心,数据中心A和数据中心B在同城作为生产级的机房,当用户访问的时候随机访问到数据中心A或B。之所以可以随机访问,因为A和B会同步做数据复制,所以两边的数据是完全一样的。但是因为是同步复制的,所以只能在同城去做两个数据中心,否则太远的话同步复制的延时会太长。在两地三中心的概念里,一定会要求这两个生产级的数据中心是必须在同一个城市,或者在距离很近的另外一个城市也可以,但是对于距离是有要求的。异地备份数据中心通过异步复制去同步数据。两地三中心对于京东来讲有三个重要问题:当一地的数据中心出问题的时候,是不敢流量切往异地的备份数据中心,原因是异地的备份数据中心是冷的,平时是没有用户流量进去的。如果要把流量切到那边起来之后,其实没有人有很强的信心能够保证起用以后是可以正常服务的,毕竟平时都是冷的。异地备份中心的机房和服务器基本是完全闲置的,成本非常高。在两地三中心中,为保证支付数据的强一致性,数据一定是单点去写!如果遇到“618店庆”并发压力非常高的情况下,业务系统和数据库是无法水平伸缩扩容,整体系统的可用性就会受到影响!所以近一年团队对系统的维护及应对类似黑天鹅事件做了很多工作:从系统维护角度,新的系统架构上,实现了数据库扩容配置化,当系统需要扩容时,把新的集群部署好,只需要简单的配置即可分担原有集群的流量,极大的降低了风险及维护成本。从依赖单点角度,通过缓存和消息的互备,实现了即使数据库宕机,应用照常提供服务。核心支付的主流程依赖的服务都不能有单点,也就是说不能因为一个服务挂了就导致整个支付不可用,必须预案或者备份!从机房容灾角度,实现了异地多中心,如果光纤被挖断,或者运营商网络故障,其他中心都可以分钟级去接管用户的读写流量。注意,这里说的是异地多中心,读写流量,包括写的流量,也就是每个集群的应用加数据库完全独立的存在,并且部署也不受两地三中心的距离限制。在这里数据一致性中很大的挑战会出现在流量切换的动作中,比如说A、B两个数据中心,A开始是承担20%的流量,B承担80%的流量。当把流量从一个地方切到另外一个地方的时间,有可能出现切换过程中你还在A数据中心写,但其实写完之后到B了,有可能看到出现的数据是不一致的,怎么保证在整个流量切换过程中数据是绝对一致的?这就要在很多细节处做大量的工作。从监控的角度,加强业务监控和性能监控两个方向的监控深度,方法的何种性能指标,何种维度的支付成功率、转化率等等,一旦系统出现任何风吹草动,工程师和运营同学全部了然于心。从系统降级的维度,深度定制配置管理系统,以及拥有自主知识产权的通道路由管理系统,研发和运营可以快速对非核心依赖的服务进行降级。等等,做支付业务虽然有时很辛苦,但是它让参与他的小伙伴快速成长!京东金融风控研发部算法工程师裴积全谈人脸识别裴积全·京东金融风控研发部算法工程师裴积全表示,人脸识别过程中,照片、偷录视频、人皮面具等手段不能替代真人,因有活体检测。活体检测技术,就是通过分析用户动作,人脸特征,甚至用户表情变化来确保验证用户确实是一个“活”人,而不是图片、视频或者人脸模型。”人脸识别技术应用于金融领域的优势(1)方便、体验好。如很多人经常会出现忘记密码的现象,但生物识别技术就会很好避免这样情况,且操作起来更便捷,只需对着手机做一些小动作。(2)安全。如身份验证过程中,传统的密码验证不能保证操作者是其本人,人脸识别就不会出现这种问题。如手机中病毒,密码泄露等就会出现很大风险,特别是最近出现的专门套现的“羊毛党”,使得传统的验证方式面临很大的挑战,而生物识别技术则可很好的解决这些问题。当然人脸识别技术还有一定局限性,如人脸识别技术对于双胞胎不能很准的进行验证,需要结合其他生物特征,像指纹,来甄别。如目前人脸识别技术的“迁移性”不是很理想,对于不同的应用场景需要分别进行训练优化。人脸识别技术应用于金融领域的特殊性相比于其它行业,金融领域的人脸识别技术在数据、算法和安全方面面临很多新的挑战。首先,金融领域人脸识别技术的应用场景和一般的应用场景有很大差别,很多时候需要识别的照片是有网纹的,而这种类型的数据搜集和标注相对困难。其次,是算法方面,金融领域的人脸训练数据非常特殊,每个人只有2、3张照片,常规人脸识别系统的训练算法不适用于这种类型的数据,必须根据数据的特点发展新的训练算法,这对人脸识别算法提出新的挑战。最后,在金融领域人脸识别技术不仅仅要做人脸验证,还需要防范各种攻击,包括图片攻击(盗用别人图片做人脸验证),视频攻击(偷录别人的视频做人脸验证),人皮面具攻击等等,为了防范这些攻击,必须加入活体检测技术,通过分析用户的动作,人脸的特征,甚至用户的表情变化来确保验证的用户确实是一个“活”的人,而不是图片,视频或者人脸模型。人脸识别技术在金融领域的场景人脸识别的应用场景需要同时考虑技术可行性和用户的体验,目前在金融领域最佳的应用场景包括需要人工审核的实人认证业务,例如借贷业务,信息修改,以及大额交易,这些场景不仅可以为公司节约成本,还可以提高用户体验,降低交易风险。但是对于一些小额度的高频交易会对用户产生很大的打扰,可能不太适用。京东金融消费金融研发部白条业务研发组,高级软件开发工程师冯成谈白条冯成·京东金融消费金融研发部白条业务研发组,高级软件开发工程师冯成表示,白条贷后阶段,如何将部分还款表现差的用户转化为优质用户,是努力的一个方向…白条,不仅仅简单地作为一种支付工具,而是一个消费生态体系,从而构建了白条的三大业务板块:贷前、贷中、贷后。针对不同消费者人群或业务场景,并根据用户特征、风险识别和差异化定价进行精准授信。随着业务场景和用户数据特征的不断丰富,路由系统也由最初的串行优化成了并行,提高了系统响应速度,同时增加了回捞功能,对未能满足当前通道激活风险策略的用户,还进行二次的路由。作为一个生态,当然不能缺少营销,从最初的有券到后来的无券,还款券,激活券等各种形式的优惠方式,引导用户更多的参与到白条的生态体系中。其中系统复杂度最高的也是无券营销,限制规则从最初的几个到目前的几十个,活动从最初的几个,到目前并存几百个,每一个订单的优惠券匹配,都要进行规则和活动的双重叠加匹配,从而对系统的响应速度有了更高的要求。不仅从系统结构、逻辑处理上做了优化,而且开发了数据预热中心,作为整个系统的加速器,极大的缩短了系统的响应速度,降低了数据库的负载。白条同样也要解决数据问题,当前白条用户规模和每日产生的数据非常庞大。白条数据都是围绕用户为中心,目前通过用户Id作为切分键进行了分库分表数据存储,当需要数据库扩容时,必须进行数据迁移重新路由落库,带来很大的开发成本,所以也在通过其他的切分键进行数据存储的开发,达到可配置化的横向扩展,不需要迁移数据等额外的开发工作。由于分散的数据存储,在运营、财务、客服等方面无法满足多维度的数据查询应用,从而打造了Solr+Hbase、Mongo和ES三个数据平台。白条经历了多个618和双十一,应对大促的挑战,很多公司的方式大多雷同,主要在于精细化。就白条而言,首先预估大促期间的流量,进行一个整体的系统压测,压测分为单场景、混合场景、读和写的压测。同时压测的数据进行隔离以及安全方便的保证,其次是做一些监控限流的措施,按系统级别、流量分布、业务血缘关系结合压测指标进行快速限流降级,某一点有问题能第一时间定位。最后就是所有依赖服务的灾备,进行全链路的梳理。大促备战检验的是系统各方面的配合,融合在一起才能达到最终的效果。京东金融固收理财研发部架构师邹保威谈资产负债邹保威·京东金融固收理财研发部架构师邹保威表示,资产负债和生活息息相关,看起来高大上,但每天都会在我们生活中反复实践…最初接触资产负债管理的时候,我就在想,这有什么好管理的呢,不就是把资产信息和负债信息一个一个记录下来吗?做着做着才发现其实远不是这么简单,因为个人在生活中的资产和负债的管理虽然和机构的资产负债管理是相通的,但是它们之间的差别又是巨大的。第一个迎面而来的棘手问题就是资产的合理分配问题,往简单说就是,如何在考虑不同金融资产期限的前提下合理分配金额,使得在流动性风险能够控制的前提下保持整体投资的最高收益,就有点像怎么用七个盖子把八个杯子尽可能的盖住的问题,而且这些盖子大小还不一样。好在数学上的线性规划给出了解决这个问题的一个思路,但是这个模型实在不好建立,因为约束条件来源于很多个已知和未知的方面,这些约束大部分都直接来源于金融的本质特性,这就迫使团队不仅要深入了解金融产品的本质,还要知道如何使用标准的会计方式来进行准确的度量。挑战远不止于此,随着项目的进行,决定需要对资金流动性进行合理的管理,从而防止出现流动性风险,而做到这一点其实是非常困难的,迄今为止还没有完美的模型,但是有相对次优的模型,该模型要求对负债端的情况作出相对准确的预测,这个可是一个大难题,好在后期又打通了负债端的相关系统并从中获取了很多关键数据,从而能够使用一定的模型较为准确的计算出流动性,并且使用十分直观的图表进行展现,并在后期使用中对模型进行不断的回归校正,这个特性可是帮了业务很大的忙。长远来看将要在这个系统中加入更加多的特性,例如需要考虑资产的信用风险,市场的利率风险等等,而每个特性的加入都将是对这个系统的一次提升和改造,使其成为一个较为完善的资产负债管理平台。金融资产管理系统向来是金融机构的核心平台,但是因为它往往并不直接面向最终用户,所以通常不为人知,但是它又非常重要,京东金融固定收益类理财业务也正在构造类似的系统,用来提升资产管理水平以及效率,并致力于将其打造成一个支持京东金融各种金融理财产品业务的特有行业系统,并使之符合行业监管要求。它的主要功能是管理负债端面向最终用户理财产品的发行以及其销售情况,在资产端管理资产的生命周期以及最优组合,能够在最大程度上优化投资负债行为,从而扩大业务盈利。并打通内部外部系统间交互,提升业务管理水平以及效率。这个系统定位为固收理财业务的投资管理分析决策系统,以该业务下的资产、负债、投资信息管理为出发点,通过对各类资金轨迹的记录,资产价值的估算,未来几日资产到期和用户赎回情况的实时监控和分析,及时反应出账户下的资金水位,计算账户当前价值,为决策者提供准确的投资数据和投资方案,在为用户提供平滑、简洁、直观的使用体验前提下,最终实现有效降低流动性兑付风险和运营成本的最小化以及投资利润最大化的目标。内容来自51CTO.com,关注财资一家(微信号:TreasuryChina),获取更多公司金融、资金管理、现金管理、支付结算、企业理财、风险管理、资产管理、企业财富管理等方面的原创干货。
  • 我想从事机器人和人工智能领域,有哪些合适的创业团队或公司?
    • 2021-11-25
    • 提问者: 夏铭禹
    拿医疗+AI举例,什么最重要?大量准确的被医生标注过的数据最重要。没有数据,再天才的科学家也无用武之地。但在国内,这个医疗数据拿出来非常困难。所以BAT做医疗一点优势...
  • 今年CES Asia 上,都有哪些不错的 VR/AR 设备
    • 2021-11-25
    • 提问者: Peng宝
    厂商篇联想联想跨入虚拟现实、增强现实领域,绝非说着玩玩而已,这一点想一口气宣布同时涉足VR 、AR和MR三大领域就可见一斑。随后联想与谷歌、HTC一起打造了谷歌Daydream VR、并且还在年初的CES 2017大会上展示了旗下的MR设备,今年4月份,据联想Lenovo Insiders项目组成员罗斯·麦克杜格尔(Ross McDougall)透露,这款MR设备具备1440×1440的分辨率、带6自由度inside-out追踪,兼容大量Win10的应用程序,并且“售价定为399美元,将在今年8月份面世”。再想到6月1日,微软在“台北国际电脑展”上透露了更多与之合作的 WindowsMR头显的信息,包括华硕的MR头显以及戴尔的新设计。在这一届的CES Asia 上,青亭网猜测联想也很有可能透露更多关于这款MR头显的消息。此外,联想推出了一款AR手机,这已经不是什么新鲜事了,不过就在前两天的AWE上,联想再次在AR领域发力了,和Wikitude宣布合作Augmented Human Cloud(AH云),目的是通过使用AR、人工智能和大数据等来提高行业中专业人员的知识和能力,改变工作方式。具体来说就是使用LNV的远程视频应用程序(Kepler)、维基智能识别引擎和Markerles SLAM技术,工作流和3D AR内容编辑工具(Titan)以及深入学习识别系统(Martin),创建一个完全集成的AR和AH云应用平台,然后结合联想智能眼镜,创建一个AR支持的Industry 4.0设备+云平台。联想急于在这个VR/AR/MR的新时代取得自己的江湖地位,结果如果,我们可以拭目以待。卡尔蔡司卡尔蔡司本身就是一个老牌光学企业,在VR时代,更想发挥自身优势。此前,卡尔蔡司发布了名为VR One的针对手机的移动端VR头显,不过并未激起太大的水花。在今年初拉斯维加斯举办的CES上,蔡司与其所收购的瑞士计算机视觉公司Dacuda(今年年初,外媒透露,Magic Leap收购了Dacuda公司的3D 扫描部门)展示了VR One Plus头显,并且公布了一套有关房间规模移动VR解决方案。HTC VIVE对于HTC来说,这一周应该既开心又失落,失落在于正如上文所提及的,从IDC统计的2017年Q1的VR设备出货量统计报告来看,HTC Vive 排在了第三,在Gear VR 和Playstaion VR 之后。喜的是,就在今日凌晨召开的苹果一年一度的WWDC大会上,苹果方面霸气地宣布,将大步进军VR/AR领域,而第一步就是推出了VR-Ready的Mac, 并且正式支持HTC Vive平台。Mac OS还支持Beta版本的SteamVR,WWDC现场,苹果也使用HTC Vive展示了在VR方面的最新进展。强强联手总是令人期待的,毕竟苹果这个大腿可不是一般的粗啊。而除了苹果,还有英特尔,5月30日,HTC Vive宣布与英特尔合作,将WiGig无线VR解决方案应用至Vive上。英伟达英伟达作为显卡界的巨头,最近又放了大招——在Computex 2017上推出了全新的设计方案。官方称,如Clevo、华硕和微星等OEM厂商将开始推出配备VR-Ready的GTX 1060、1070和1080 GPU的高性能“Max-Q”游戏笔记本电脑,。据悉,搭载GTX 1080显卡的游戏本能将厚度降低至18mm,是一款能够让用户进行VR体验的电脑。就在不久之前,4月,英伟达还在北京国家会议中心展示了基于Pascal架构的Quadro系列显卡,包括:GP100、P2000、P4000、P5000、P6000等。如GP100可将VR集成到设计和仿真工作流程中,而IrayVR是英伟达的渲染解决方案,现已许可给DassaultSystèmes和Autodesk等软件厂商。在本届的CES Asia 上,这些产品我们都可以一睹为快。英特尔不得不说,英特尔在体育——尤其是VR体育直播这条路上却是越走越远了。6月1日,英特尔在其官网宣布,正式与MLB(美国职棒大联盟)签署三年协议,合作形式将以英特尔的True VR应用对MLB比赛进行直播及点播的形式进行。这下子,在True VR上,不仅可以看到高尔夫的比赛,棒球比赛也尽收眼底了。重要的是,英特尔似乎在VR体育直播这方面很有信心,从其官网透露的信息来看,他们对这一类的受众也充满信心,觉得这将是一块不小的市场。除了VR与体育的结合,英特尔副总裁暨客户运算事业群总经理宋义潇(Gregory Bryant)还在近期举办的台北电子展上发表演说,宣布英特尔与HTC Vive成为战略合作伙伴,并展示了通过英特尔WiGig技术所推出的HTC Vive无线头盔。英特尔在VR市场上一直在为自己寻得一席之地,青亭网在此前的文章中也曾报道,虽然英特尔推出了售价高达2000美元的高端i9处理器,不过还远未达到VR-ready的标准。英特尔计划继续提高他们的核显性能,希望有一天能够满足HTC Vive、Oculus Rift以及其它高端VR游戏的需求。英特尔VR和游戏总经理Frank Soqui表示:“英特尔集成显卡将能够支持高端VR而不仅仅是主流应用。我们的目标是继续提高处理器和核显的性能,以满足高端内容的需求,比如Oculus和HTC。”另外,英特尔还在近期宣布将赞助首届VR体验电子竞技公开赛《The Unspoken VR Tournament》——一款VR多人魔法冒险类FPS游戏,或许去到CES Asia现场的朋友也有机会进行试玩。AMD近期,AMD的Ryzen 3 VR处理器曝光,官方称,确认Ryzen3将在今年第三季度正式发布。目前已知一款AMDRyzen31200,4核心8线程,主频3.1GHz,三级缓存8MB,热设计功耗65W。有分析人士称,如果AMDRyzen3的性能接近或者达到英特尔i5的水平,那么它将成为一款极具竞争力的VR处理器。目前价格、发布具体时间等还没有透露,不知道AMD会不会在CES Asia上释放出更多的信息。高通最近高通因为专利的事情和苹果闹掰了,继而转投谷歌,官方称,高通子公司目前正在和谷歌展开合作,双方将共同打造新一代的Daydream VR头盔。这也引起了众多人的关注,可以确信的是,谷歌全新VR头显将搭载高通骁龙835处理器,而骁龙835正是专为VR设计。在今年初的CES上,高通方面还公布了一款基于骁龙835平台的概念VR一体机。但这款VR一体机会否与谷歌合作VR头显相关,暂不可知。此外,近期,高通在台北召开了“有线/无线基础设施网络的媒体沟通会”,高通Qualcomm Technologies连接技术高级副总裁兼总经理Rahul Patel展示了802.11ad无线技术在VR眼镜方面的应用。微软微软在近期发布了Hololens之外,此外,比较让人关注的就是前几日在台北电子展上公开的关于众多与与之合作的 Windows MR头显的信息,包括华硕的MR头显以及戴尔的MR头显的新设计。在台北电子展上,微软也透露,联想正在打造的MR头显也是与微软合作。目前,对于微软来说,似乎就是在大力将“MR头显”推到众人面前。CES Asia上,应该也可以见到这些MR头显并且进行体验。公司篇纵观参加CES Asia 2017的70多家VR/AR厂商,有第一次来的新客,也有去年就来过的“熟面孔”;有带着硬件来相亲的,也有来“出卖”技术解决方案的。在这些厂商之中,青亭网着重挑选了一些公司,这些公司或是被巨头看中的“小情人”,或是漂洋过海而来的远道客人,废话不多说,跟着青亭网来看吧。翊视皓瞳(AR眼镜)这家公司可是去年就出现在了CES Asia上,更何况,这可不是一个没有故事的AR公司啊。翊视皓瞳是1997年成立于台湾的佐臻集团(JORJIN Group)在内地的子公司,而后者则是智能眼镜的核心模块方案提供商。佐臻合作的智能眼镜包括:VUZIX M100, EPSON BT-200, BT-2000, EVENA Eye-On Glasses,联想LENOVO New Glass, HITACHI Doctor Cloud Smart Glasses等,涉及的领域包括工业、物流、医疗、执法、教育、娱乐。在去年的CES Asia上,翊视皓瞳在展区展示了智能眼镜整体解决方案在设备维修、军警执法、医疗照护、运维巡检、职业培训等行业的应用情景,以及从国外引进的无线通信、无线传感、热成像以及影像稳定技术方案。在刚刚过去不久的COMPUTEX 2017上,佐臻带去了与资策会智通所合作开发的“双眼智能眼镜”解决方案,并且展示了据说是台湾第一款“双眼智能眼镜”,长得呢就是下面的样子。佐臻据称是目前全球唯一可同时提供ARM/Android及Intel/Win10两大系统平台可量产智能眼镜的技术方案提供商,估计在这次的CES Asia上,这款“双眼智能眼镜”应该还是他们的重中之重了。InvenSense(动捕、MEMS传感器)MEMS传感器技术这几年突飞猛进,在拍照防抖、运动追踪等领域也被反复提及。这类厂商在CES Asia上也是越来越常见,InvenSense可就是其中之一。除了ICM-20690,InvenSense的ICM-20690、ICM-20600、ICM-20602先后得到了Google Daydream的验证。据了解,Oculus Rift、HTC的 Vive、HoloLens,以及国内部分VR/AR厂商都 采用了InvenSense的不同传感器。Infinity ARInfinity AR 虽然是一家以色列增强现实公司,但是它在中国抱到了一条具粗无比的大腿——阿里巴巴。2016年11月,阿里耗资1500万美元投资Infinity,成为 Infinity AR 的最大股东,拥有公司超过 22% 的股份。在2017年1月的CES上,Infinity展示了一款与以色列镜片公司Lumus合作的样机。对于Infinity而言,着眼的是解决AR技术核心的SLAM算法,而据他们称,目前公司该项技术已经相对成熟,下一步将与中国厂商合作,实现AR眼镜的大规模量产。Infinity中国负责人Effie Li还透露,目前已经有两家台湾厂家已经量产,并将在夏天上市。DreamWorld DreamWorld位于硅谷,提供100度光学视场角和自然手势交互的产品。而其目前产品据称视野可达100度的Dream Glass也将会在CES Aisa上进行展出,并在会展后进行预售。比较有意思的是,这款Dream Glass并非常见的形态,而正是青亭网此前提及过的“AR Box”一类的产品,需搭配手机一起使用。DreamWorldCEO钟张翼透露,Dream Glass的定价将会在350美元以下,具体价格将会在之后公布。DreamWorld是一家硅谷创业公司,成员来自Magic Leap, Meta, Nvidia, GE等AR领域公司。其创始人钟张翼是浙江大学光学专业出身,后赴美攻读视觉方向博士。据了解,此前DreamWorld已经完成了200万美元的天使轮融资。Xenoma这是一家研究印制电路布的公司,使用Xenoma研发的E-skin服装。Xenoma是孵化(拆分)自日本东京大学的一家公司,主要的产品是运用微型惯性传感器技术的体感压缩衣——(Xenoma’s) e-skin,简单说是一套穿戴一体化的动作捕捉系统。研发团队使用可拉伸的电路技术 ,在衣服上集成了 30 个以上的传感器,而这些微型惯性传感器会分布在身体的各个关键部位。据了解,这些传感器的数量、类型和位置,可以随意定制。在2017年1月的CES展会上,Xenoma已经展示了这件电子皮肤套装e-skin,演示了监测人体呼吸、姿势和体温等功能,此外还可以直接机洗。据称今年已经可以量产。新品篇 在这一趴里,青亭网搜集了一些国内的公司将在CES Asia发布的新品或消息的信息。对于国内的公司,不论是从硬件还是到内容,大家都十分熟悉,我们在这里也就不做过多的赘述,直接呈上相关的信息(持续更新中)。PicoPico将在本届CES Asia上展示Pico Goblin小怪兽VR一体机在内的四款新品,其中包括尚未正式发布的Pico Neo CV版。亮风台亮风台将于 6 月 8 日发布呈现崭新 HiAR Glasses。影创科技影创科技也将会展示两款全新 AR 产品——New Air 和 Halo。IDEALENSIDEALENS兄弟公司IDEALOEYE将展示最新全景摄像机C4。爱奇艺VR将展出VR一体机“奇遇”。蚁视蚁视二代VR变形金刚定制版,据了解,蚁视已经获得了变形金刚母公司美国孩之宝公司的形象授权。七鑫易维除了已推出的VR眼球追踪模组aGlass之外,七鑫易维还将展示最新的VR Driving的Demo,即是眼球追踪在安全驾驶方面的应用。特色篇随着智能汽车的普及,在CES Asia上看到汽车已经不足为奇,而VR设备、VR内容、AR眼镜也都司空见惯,但青亭网注意到,在CES Asia2017上,专门提供汽车+AR解决方案的的厂商似乎增加了不少。在这其中,主要是围绕汽车AR影像、车载AR技术等。除此之外,像一汽奔腾、一汽大众、奇瑞汽车、广汽传祺以及宝马等汽车品牌也结合着AR技术做起了“AR网上车展”,算是汽车营销的一种手段吧。其实汽车+AR早就不是什么新鲜事了。2015年,宝马就联合高通推出了一款专为车主配备的 AR 眼镜,驾驶员在开车时可以通过这款AR眼镜看到导航数据、行驶速度、限速提示和岔口信息等。只不过,目前随着AR技术的逐渐成熟,在这个领域深耕的公司也多了起来。除了AR+汽车,其他还包括是VR内容、底层技术、AR/VR硬件等。我们也将持续关注CES Asia的最新信息,在第一时间为您带来详细的报道。更多的信息请看中国增强现实产业联盟简称AR联盟或ARA。
  • 国内有哪些人工智能领域的创业团队或创业公司?
    • 2021-11-25
    • 提问者: 晨哥
    说实话,国内说人工智能领域的创业方向太广泛了,从大层面来说,集成了人工智能各项技术的百度,有垂直在…
  • 请问你是数据挖掘的研究生?数据挖掘研究生阶段都学什么?
    • 2021-11-25
    • 提问者: 娱乐两分钟
    数据挖掘(Data Mining)就是从大量数据中发现潜在规律、提取有用知方法和技术。因为与数据库密切相关,又称为数据库知识发现(Knowledge Discovery in Databases,KDD) ,就是将高级智能计算技术应用于大量数据中,让计算机在有人或无人指导的情况下从海量数据中发现潜在的,有用的模式(也叫知识)。   广义上说,任何从数据库中挖掘信息的过程都叫做数据挖掘。从这点看来,数据挖掘就是BI(商业智能)。但从技术术语上说,数据挖掘(Data Mining)特指的是:源数据经过清洗和转换等成为适合于挖掘的数据集。数据挖掘在这种具有固定形式的数据集上完成知识的提炼,最后以合适的知识模式用于进一步分析决策工作。从这种狭义的观点上,我们可以定义:数据挖掘是从特定形式的数据集中提炼知识的过程。数据挖掘往往针对特定的数据、特定的问题,选择一种或者多种挖掘算法,找到数据下面隐藏的规律,这些规律往往被用来预测、支持决策。数据挖掘的主要功能   1. 分类:按照分析对象的属性、特征,建立不同的组类来描述事物。例如:银行部门根据以前的数据将客户分成了不同的类别,现在就可以根据这些来区分新申请贷款的客户,以采取相应的贷款方案。   2. 聚类:识别出分析对内在的规则,按照这些规则把对象分成若干类。例如:将申请人分为高度风险申请者,中度风险申请者,低度风险申请者。   3. 关联规则和序列模式的发现:关联是某种事物发生时其他事物会发生的这样一种联系。例如:每天购买啤酒的人也有可能购买香烟,比重有多大,可以通过关联的支持度和可信度来描述。与关联不同,序列是一种纵向的联系。例如:今天银行调整利率,明天股市的变化。   4. 预测:把握分析对象发展的规律,对未来的趋势做出预见。例如:对未来经济发展的判断。   5. 偏差的检测:对分析对象的少数的、极端的特例的描述,揭示内在的原因。例如:在银行的100万笔交易中有500例的欺诈行为,银行为了稳健经营,就要发现这500例的内在因素,减小以后经营的风险。   需要注意的是:数据挖掘的各项功能不是独立存在的,在数据挖掘中互相联系,发挥作用。数据挖掘的方法及工具   作为一门处理数据的新兴技术,数据挖掘有许多的新特征。首先,数据挖掘面对的是海量的数据,这也是数据挖掘产生的原因。其次,数据可能是不完全的、有噪声的、随机的,有复杂的数据结构,维数大。最后,数据挖掘是许多学科的交叉,运用了统计学,计算机,数学等学科的技术。以下是常见和应用最广泛的算法和模型:   (1) 传统统计方法:① 抽样技术:我们面对的是大量的数据,对所有的数据进行分析是不可能的也是没有必要的,就要在理论的指导下进行合理的抽样。② 多元统计分析:因子分析,聚类分析等。③ 统计预测方法,如回归分析,时间序列分析等。   (2) 可视化技术:用图表等方式把数据特征用直观地表述出来,如直方图等,这其中运用的许多描述统计的方法。可视化技术面对的一个难题是高维数据的可视化。职业能力要求基本能力要求   数据挖掘人员需具备以下基本条件,才可以完成数据挖掘项目中的相关任务。   一、专业技能   硕士以上学历,数据挖掘、统计学、数据库相关专业,熟练掌握关系数据库技术,具有数据库系统开发经验   熟练掌握常用的数据挖掘算法   具备数理统计理论基础,并熟悉常用的统计工具软件   二、行业知识   具有相关的行业知识,或者能够很快熟悉相关的行业知识   三、合作精神   具有良好的团队合作精神,能够主动和项目中其他成员紧密合作   四、客户关系能力   具有良好的客户沟通能力,能够明确阐述数据挖掘项目的重点和难点,善于调整客户对数据挖掘的误解和过高期望   具有良好的知识转移能力,能够尽快地让模型维护人员了解并掌握数据挖掘方法论及建模实施能力进阶能力要求   数据挖掘人员具备如下条件,可以提高数据挖掘项目的实施效率,缩短项目周期。   具有数据仓库项目实施经验,熟悉数据仓库技术及方法论   熟练掌握SQL语言,包括复杂查询、性能调优   熟练掌握ETL开发工具和技术   熟练掌握Microsoft Office软件,包括Excel和PowerPoint中的各种统计图形技术   善于将挖掘结果和客户的业务管理相结合,根据数据挖掘的成果向客户提供有价值的可行性操作方案应用及就业领域   当前数据挖掘应用主要集中在电信(客户分析),零售(销售预测),农业(行业数据预测),网络日志(网页定制),银行(客户欺诈),电力(客户呼叫),生物(基因),天体(星体分类),化工,医药等方面。当前它能解决的问题典型在于:数据库营销(Database Marketing)、客户群体划分(Customer Segmentation & Classification)、背景分析(Profile Analysis)、交叉销售(Cross-selling)等市场分析行为,以及客户流失性分析(Churn Analysis)、客户信用记分(Credit Scoring)、欺诈发现(Fraud Detection)等等,在许多领域得到了成功的应用。如果你访问著名的亚马逊网上书店(),会发现当你选中一本书后,会出现相关的推荐数目“Customers who bought this book also bought”,这背后就是数据挖掘技术在发挥作用。   数据挖掘的对象是某一专业领域中积累的数据;挖掘过程是一个人机交互、多次反复的过程;挖掘的结果要应用于该专业。因此数据挖掘的整个过程都离不开应用领域的专业知识。“Business First, technique second”是数据挖掘的特点。因此学习数据挖掘不意味着丢弃原有专业知识和经验。相反,有其它行业背景是从事数据挖掘的一大优势。如有销售,财务,机械,制造,call center等工作经验的,通过学习数据挖掘,可以提升个人职业层次,在不改变原专业的情况下,从原来的事务型角色向分析型角色转变。从80年代末的初露头角到90年代末的广泛应用,以数据挖掘为核心的商业智能(BI)已经成为IT及其它行业中的一个新宠。数据采集分析专员   职位介绍:数据采集分析专员的主要职责是把公司运营的数据收集起来,再从中挖掘出规律性的信息来指导公司的战略方向。这个职位常被忽略,但相当重要。由于数据库技术最先出现于计算机领域,同时计算机数据库具有海量存储、查找迅速、分析半自动化等特点,数据采集分析专员最先出现于计算机行业,后来随着计算机应用的普及扩展到了各个行业。该职位一般提供给懂数据库应用和具有一定统计分析能力的人。有计算机特长的统计专业人员,或学过数据挖掘的计算机专业人员都可以胜任此工作,不过最好能够对所在行业的市场情况具有一定的了解。   求职建议:由于很多公司追求短期利益而不注重长期战略的现状,目前国内很多企业对此职位的重视程度不够。但大型公司、外企对此职位的重视程度较高,随着时间的推移该职位会有升温的趋势。另外,数据采集分析专员很容易获得行业经验,他们在分析过程中能够很轻易地把握该行业的市场情况、客户习惯、渠道分布等关键情况,因此如果想在某行创业,从数据采集分析专员干起是一个不错的选择。市场/数据分析师   1. 市场数据分析是现代市场营销科学必不可少的关键环节: Marketing/Data Analyst从业最多的行业: Direct Marketing (直接面向客户的市场营销) 吧,自90年代以来, Direct Marketing越来越成为公司推销其产品的主要手段。根据加拿大市场营销组织(Canadian Marketing Association)的统计数据: 仅1999年一年 Direct Marketing就创造了470000 个工作机会。从1999至2000,工作职位又增加了30000个。为什么Direct Marketing需要这么多Analyst呢? 举个例子, 随着商业竞争日益加剧,公司希望能最大限度的从广告中得到销售回报, 他们希望能有更多的用户来响应他们的广告。所以他们就必需要在投放广告之前做大量的市场分析工作。例如,根据自己的产品结合目标市场顾客的家庭收入,教育背景和消费趋向分析出哪些地区的住户或居民最有可能响应公司的销售广告,购买自己的产品或成为客户,从而广告只针对这些特定的客户群。这样有的放矢的筛选广告的投放市场既节省开销又提高了销售回报率。但是所有的这些分析都是基于数据库,通过数据处理,挖掘,建模得出的,其间,市场分析师的工作是必不可少的。   2. 行业适应性强: 几乎所有的行业都会应用到数据, 所以作为一名数据/市场分析师不仅仅可以在华人传统的IT行业就业,也可以在政府,银行,零售,医药业,制造业和交通传输等领域服务。现状与前景   数据挖掘是适应信息社会从海量的数据库中提取信息的需要而产生的新学科。它是统计学、机器学习、数据库、模式识别、人工智能等学科的交叉。在中国各重点院校中都已经开了数据挖掘的课程或研究课题。比较著名的有中科院计算所、复旦大学、清华大学等。另外,政府机构和大型企业也开始重视这个领域。   据IDC对欧洲和北美62家采用了商务智能技术的企业的调查分析发现,这些企业的3年平均投资回报率为401%,其中25%的企业的投资回报率超过600%。调查结果还显示,一个企业要想在复杂的环境中获得成功,高层管理者必须能够控制极其复杂的商业结构,若没有详实的事实和数据支持,是很难办到的。因此,随着数据挖掘技术的不断改进和日益成熟,它必将被更多的用户采用,使更多的管理者得到更多的商务智能。   根据IDC(International Data Corporation)预测说2004年估计BI行业市场在140亿美元。现在,随着我国加入WTO,我国在许多领域,如金融、保险等领域将逐步对外开放,这就意味着许多企业将面临来自国际大型跨国公司的巨大竞争压力。国外发达国家各种企业采用商务智能的水平已经远远超过了我国。美国Palo Alto 管理集团公司1999年对欧洲、北美和日本375家大中型企业的商务智能技术的采用情况进行了调查。结果显示,在金融领域,商务智能技术的应用水平已经达到或接近70%,在营销领域也达到50%,并且在未来的3年中,各个应用领域对该技术的采纳水平都将提高约50%。   现在,许多企业都把数据看成宝贵的财富,纷纷利用商务智能发现其中隐藏的信息,借此获得巨额的回报。国内暂时还没有官方关于数据挖掘行业本身的市场统计分析报告,但是国内数据挖掘在各个行业都有一定的研究。据国外专家预测,在今后的5—10年内,随着数据量的日益积累以及计算机的广泛应用,数据挖掘将在中国形成一个产业。   众所周知,IT就业市场竞争已经相当激烈,而数据处理的核心技术---数据挖掘更是得到了前所未有的重视。数据挖掘和商业智能技术位于整个企业IT-业务构架的金字塔塔尖,目前国内数据挖掘专业的人才培养体系尚不健全,人才市场上精通数据挖掘技术、商业智能的供应量极小,而另一方面企业、政府机构和和科研单位对此类人才的潜在需求量极大,供需缺口极大。如果能将数据挖掘技术与个人已有专业知识相结合,您必将开辟职业生涯的新天地! 职业薪酬   就目前来看,和大多IT业的职位一样,数据仓库和数据挖掘方面的人才在国内的需求工作也是低端饱和,高端紧缺,在二线成熟,高端数据仓库和数据挖掘方面的人才尤其稀少。高端数据仓库和数据挖掘人才需要熟悉多个行业,至少有3年以上大型DWH和BI经验,英语读写流利,具有项目推动能力,这样的人才年薪能达到20万以上。职业认证   1、SAS认证的应用行业及职业前景SAS全球专业认证是国际上公认的数据挖掘和商业智能领域的权威认证,随着我国IT环境和应用的日渐成熟,以上两个领域将有极大的行业发展空间。获取SAS全球专业认证,为您在数据挖掘、分析方法论领域积累丰富经验奠定良好的基础,帮助您开辟职业发展的新天地。   2、SAS认证的有效期   目前SAS五级认证没有特定有效期,但是时间太久或版本太老的认证证书会有所贬值。   3、五级认证的关系   五级认证为递进式关系,即只有通过上一级考试科目才能参加下一级认证考试。   4、SAS全球认证的考试方式   考试为上机考试,时间2个小时,共70道客观题。相关链接   随着中国物流行业的整体快速发展,物流信息化建设也取得一定进展。无论在IT硬件市场、软件市场还是信息服务市场,物流行业都具有了一定的投资规模,近两年的总投资额均在20-30亿元之间。政府对现代物流业发展的积极支持、物流市场竞争的加剧等因素有力地促进了物流信息化建设的稳步发展。   易观国际最新报告《中国物流行业信息化年度综合报告2006》中指出,中国物流业正在从传统模式向现代模式实现整体转变,现代物流模式将引导物流业信息化需求,而产生这种转变的基本动力来自市场需求。报告中的数据显示:2006-2010年,传统物流企业IT投入规模将累计超过100亿元人民币。2006-2010年,第三方物流企业IT投入规模将累计超过20亿元人民币。   由于目前行业应用软件系统在作业层面对终端设备的硬件提出的应用要求较高,而软件与硬件的集成性普遍不理想,对应性单一,因此企业将对软件硬件设备的集成提出更高要求。   物流行业软件系统研发将更多的考虑运筹学与数据挖掘技术,专业的服务商将更有利于帮助解决研发问题。   物流科学的理论基础来源于运筹学,并且非常强调在繁杂的数据处理中找到关联关系(基于成本-服务水平体系),因此数据挖掘技术对于相关的软件系统显得更为重。
热门推荐
热门问答
最新问答
新手帮助
  • 关于我们
  • 用户须知
  • 贷款攻略
  • 礼品兑换
常见问题
  • 常见问题
  • 意见反馈
  • 申请收录
  • 内容申诉
房贷计算器 | 备案号: 蜀ICP备11019336号-3

友情链接: 深圳注册公司流程 注册深圳公司流程