当前人工智能如火如荼，其中电商环境下的用户营销场景是机器学习技术重要的落地应用之一。随着每日优鲜服务规模快速增长，营销侧业务越来越复杂和多元化，运营同学面对的困难和挑战也随之急剧增大，如何更好更有效率的运营是摆在他们面前的难题。每日优鲜增长算法团队一直致力于应用人工智能技术在营销领域进行探索和实践。
本次分享将介绍每日优鲜在用户营销领域的业务特点和主要挑战，并介绍结合机器学习技术在权益发放最优化问题、内容分发精准触达、画像能力营销赋能等营销业务方面的智能化探索和实践。

演讲大纲

1、生鲜零售及挑战

•  生鲜行业轮廓
• 传统生鲜零售
• 生鲜新零售模式

2、电商营销的变化及挑战

• 电商营销变化 
• 电商营销核心事件 
• 营销对决策影响  
• 场景属性及数据流 
• 每日优鲜营销平台

3、生鲜电商营销智能化实践  

• 画像能力智能化实践 
• 权益营销智能化实践
• 内容触达智能化实践 

4、营销算法框架及技术体系

• 营销算法框架 
• 营销能力技术体系

听众受益

1.了解电商营销的业务场景、特点和技术挑战；

2.了解电商用户营销的主要技术方向3、了解智能化技术在大规模数据中的实践应用

美团外卖是全球规模最大的外卖平台，2019 年国内市场份超过 60%，外卖广告变现在外卖的收入中越来越发挥出重要的作用。本次分享主要从外卖的产品形态出发，介绍不同的产品形态对应的技术抓手和技术体系，针对在广告和推荐里的典型场景，介绍业界的主要做法和美团外卖广告的优化方案。

内容大纲

1. 互联网广告发展及外卖广告产品形态

2. 不同广告类型的业务特点及技术体系

3. 广告中几个典型场景及实践

• 多任务学习中的经典算法、不同应用场景的模型选择和优化实践
• 组合预估问题优化实践
• graph-Embedding 及序列模型的算法实践
• 信息流广告下广告位的智能决策问题优化实践

听众收益

1. 了解互联网广告发展和外卖广告的主要产品形态
2. 了解不同广告产品对应的产品和技术体系
3. 了解在广告场景下，几个典型的问题和对应的解决方案

图像处理技术是目前人工智能发展最为迅猛的领域，而贝壳找房又是以技术驱动的品质居住服务平台，积累和沉淀了大量的交易数据，场景+数据+算法，贝壳交易智能围绕以房产证识别为核心 OCR 技术架构也在落地实践中逐步建立起来。

本次分享我将重点介绍 OCR 技术的一般流程、各个环节遇到的实际问题以及整个技术架构的变迁，贝壳交易智能是如何通过一个一个技术点的突破，使识别率从无到有，从 95% 到 99% 的。还将介绍下基于业务演进打造的 Uni-iMatch 和 ASLS 系统。

内容大纲

1. 了解贝壳 OCR 能力的三⼤⽅向

• 房产备件票据卡证类现状
• 房产合同 IM 类通⽤用文本识别现状
• 房产征信报告表单类通⽤表格识别现状

2. ⻉壳 OCR 识别的⼀般流程

• 分类+摆正+检测+识别+结构化+NLP

3. 分类遇到的问题

• 样本量小，正负类别分布不均

4. 摆正遇到的问题

• 通⽤摆正的正确率的问题及相应的兜底策略

5. 检测遇到的问题

• 倾斜和弯曲

6. 识别遇到的问题

• 分类&序列
• 形近字和⽣僻字如何处理 

7. 结构化

• 从位置匹配到⾃定义模版技术
• 再到深度学习位置关系 

8. 工程化进展

• 模型裁剪
• model version 控制

听众收益

1. 了解 OCR 技术的整体架构

• 分类+摆正+检测+识别+结构化

2. 基本图像技术如何和具体的业务结合

• VGG16+ 传统特征提⾼摆正准确性
• DenseNet 的卷积处理，提高识别鲁棒性
• AdaVancedEAST，更改起始点和终结点，提⾼ IoU
• Attention 在解码中的应⽤用

3. 形近字和⽣僻字从技术和工程两个角度如何改进

• 如何增加更加有效的特征
• GAN 合成数据的冷启动，配合⼯程数据回流，打造自学习闭环

适合人群

图像分类、图像检测等图像处理相关从业技术人员。

以 GPT、BERT 为代表的语义表示预训练取得了巨大突破，横扫各大 NLP 任务基准，带来了预训练+细调的 NLP 技术变革。

百度文心（ERNIE）语义理解技术融合语言与知识，在通用语义理解、语言生成、跨模态语义理解等多个领域取得技术突破。

本次演讲主要介绍百度 ERNIE 语义理解核心技术和文心一站式开发与服务平台。

演讲提纲

1. 语义理解技术背景介绍
2. 基于预训练的语义理解技术
3. 百度 ERNIE 技术原理详解
4. 百度语言生成/跨模态语义理解技术进展
5. 文心一站式开发与服务平台
6. 文心应用案例
7. 总结

听众收益

• 了解近年来 NLP 最重要的技术进展以及原理
• 了解该技术在工业界的应用案例

人工智能在很多领域有着广泛的应用，近年来在短视频领域出现了利用 AI，尤其是深度学习技术生成图像或视频的应用，吸引了业内广泛关注。基于 AI 的生成式技术区别于传统生成式技术最大的亮点之一就是真实，如变老、变小孩、AI 换脸等，可以达到人眼几乎分辨不出真假的效果。深度学习的一个显著特点是计算量大，尤其在生成式技术方面，需要大量的算力完成从一个数据分布到另一个数据分布的映射，且受到移动设备算力的限制，要在端上做到实时是非常困难的。另外，如何提高卷积神经网络生成结果的质量以及提升时序可控性也是一个挑战。本次分享将会为大家介绍 AI 生成式技术的基本原理，以及如何通过技术创新完成算法从研发到落地的过程。 

内容大纲

1. AI 生成式技术介绍

• AI 生成式技术研发到落地的流程
• GAN 简介
• AI 生成式技术难点

2. AI 生成式技术在快手平台的应用

• AI 助力快手魔法特效
• AI 生成式技术在快手春晚活动中的应用

3. 快手自研 AI 生成式技术亮点

• 计算量压缩
• 生成质量提升

4. 未来展望

听众受益

1. 了解 AI 生成式技术如何从研发到落地，当中有哪些难点和亮点
2. 了解 AI 生成式技术在快手平台的应用，及其潜在价值

适合人群

想了解人工智能尤其深度学习方面的知识的人群。