2019 KDD China 技术峰会 | 数据发掘最强华人阵容云集成都

2019年11月30日-12月1日，由 KDD China 和四川省计算机学会共同主办，东北交通大学信息迷信与技术学院（人工智能研讨院）承办，微众银行、京东城市、北京大学信息迷信技术学院协办的“2019 KDD China技术峰会&四川省计算机学会年会”在东北交通大学举行。

ACM数据发掘中国分会（KDD China）是SIGKDD在中国的独一官方分支机构，SIGKDD是美国计算机学会的大数据威望机构，其举行的KDD大会被誉为世界大数据范畴的顶级盛会。分会旨在打通国内外的数据发掘社区，助力中国数据发掘范畴学术圈和工业界更顺畅的交流，并更好地衔接数据发掘技术提供方和技术需求方。

本次大会由微众银行首席人工智能官杨强教授和京东城市总裁郑宇教授担任大会主席，由东北交通大学人工智能研讨院副院长李天瑞教授和四川省计算机学会秘书长宋昌元研讨员担任程序主席，并约请了南京大学人工智能学院院长周志华教授，伊利诺伊大学芝加哥分校刘兵教授，北京大学张大庆教授，滴滴出行副总裁叶杰平教授，字节跳动科技有限公司人工智能实验室总监李航博士，IBM中国研讨院研讨总监苏中博士，华夏基金的CDO首席数据官陈一昕博士，微众银行人工智能部副总经理吴海山博士以及京东城市AI平台部担任人张钧波博士等十余位国内外知名专家担任演讲嘉宾，围绕学术界和产业界共同关怀的人工智能前沿话题——大数据智能，展开了一系列深化的讨论，各自分享了最新的工作成果，并讨论了将来所面临的技术应战。

杨强：用户隐私、数据孤岛和联邦学习

微众银行首席人工智能官杨强教授做了题为“用户隐私，数据孤岛和联邦学习”的主题报告。就“AI的数据不够怎样办”成绩，引出了迁移学习与联邦学习的概念。首先引见了迁移学习的发展趋向以及在相关范畴的运用；接着详细讲述了联邦学习的关键技术与学习方式，并举例阐明联邦学习的实践运用；最后重点阐述了联邦学习在各范畴中的运用以及在生态建设中的最新发展。

▲杨强

刘兵：Longlife and continual learning

伊利诺伊大学芝加哥分校刘兵教授做了题为“Longlife and continual learning”的主题报告。首先引见了传统机器学习与终身学习关系与区别；接着讲述了终身学习的次要特性，并展现其在社交对话交互式学习中的运用，指出在许多实践的运用中亟需终身学习；最后提出终身学习的发展仍有很多的应战与成绩，今后需求更多的创新性思想。

▲刘兵

周志华：开放世界机器学习

南京大学人工智能学院院长周志华教授做了题为“开放世界机器学习”的主题报告。首先以传统机器学习义务切入，提出在开放动态环境中该如何停止研讨；接着举例阐明了四种类型的机器学习方法：新类别产生、不断变化的特征、不断变化的数据分布、学习目的发生变化，并讲解了多目的义务优化的实际；最后总结了从封闭世界向开放动态环境发展的机器学习实际变化的趋向和必然性。

▲周志华

张大庆：基于WiFi与4G/5G无线信号的非接触智能感知：实际与运用

北京大学博雅讲席教授张大庆做了题为“基于WiFi与4G/5G无线信号的非接触智能感知：实际与运用”的主题报告。首先引见了无线感知的基本原理；接着提出如何应用WiFi信号对人的行为停止无监督感知，并举例阐明基于WiFi CSI的人体行为感知运用；最后总结得出基于无线信号的非接触感知是人体感知的一种理想方法。

▲张大庆

叶杰平：AI在出行范畴的机遇与应战

滴滴出行副总裁叶杰平教授做了题为“AI在出行范畴的机遇与应战”的主题报告。首先引见智能交通的发展，分享了滴滴出行AI生态，包括出行安全、地图、智能客服、AI赋能社会能方面；接着详细讲解了滴滴出行的智能派单的工作原理，包括基于将来预测的智能派单，基于强化学习的智能派单和基于V-Net的智能派单等；最后讲述滴滴智能语音NLP技术以及滴滴出行安全AI赋能社会的发展。

▲叶杰平

李航：自然言语对话：今后技术发展的机遇在哪里

字节跳动科技有限公司人工智能实验室总监李航博士做了题为“自然言语对话：今后技术发展的机遇在哪里”的主题报告。首先引见当下盛行的对话系统，指出了语音对话系统的停顿和应战：一是言语表示与了解，二是义务表示与处理；接着讨论言语对话系统核心技术细节，并细讲解了对话系统的设计准绳；最后总结了自然言语对话系统的停顿和将来发展趋向。

▲李航

苏中：Trusted AI for Business

IBM中国研讨院研讨总监苏中博士做了题为“Trusted AI for Business”的主题报告。首先分享了IBM研讨部门在AI方面的划时代工作；接着指出深度学习带来的人工智能技术革命，包括海量数据，弱小算力，可信算法等；最后阐述了企业级AI的发展成绩：第一是核心AI，并举例阐明了核心AI，例如端到端学习，思想导图生成，第二是可信任AI，包括最片面的“攻击”和防御人工智能工具包，差分隐私，第三是规模化，指出资源耗费仍是一个需求宏大的考验。

▲苏中

陈一昕：资产管理范畴的数据科技趋向

华夏基金首席数据官、董事总经理陈一昕博士做了题为“资产管理范畴的数据科技趋向”的主题报告。首先回顾华夏基金的发展历程，分析了金融科技业务的运用场景，包括全台运用场景，中台运用场景以及后台运用场景；接着分析了金融管理、技术、硬件支撑，包括数据清算，数据存储与处理等方面成绩，并对资产定价实证研讨停止了重点讲解；最后展望了机器学习在资产管理范畴的运用前景。

▲陈一昕

吴海山：AI+另类数据，将如何影响资产管理行业

微众银行人工智能部副总经理吴海山博士做了题为“AI+另类数据，将如何影响资产管理行业”的主题报告。首先引见了Alternative Data（另类数据：卫星数据，时空地位数据，POI和AOI数据，社交媒体和旧事舆情数据）对于金融投资的意义；接着讲解了揽月平台，即微众银行AI+另类数据的智能监管平台所用的技术，包括目的检测技术，地块分割技术，路网检测技术，变化检测技术等；最后总结了环境（Environmental），社会（Social），公司管理（Governance）的ESG趋向与机遇。

▲吴海山

张钧波：城市计算与智能：用大数据和AI打造智能城市

京东城市计算事业部AI平台部总监张钧波博士做了题为“城市计算与智能：用大数据和AI打造智能城市”的主题报告。他首先引见了云计算+AI+大数据下的城市计算概念，以城市时空大数据具有异构、多源、时空动态性的特点为切入，阐述了现有的城市数据处理系统基于人工智能、机器学习、大数据分析下的管理以及基于联邦学习的跨域建模的安全性，并提出基于联邦学习的跨域模型和联邦森林安全模型；最后结合时空数据的特性，分析了城市智能分析中存在的应战，并提出以“智能城市操作系统2.0”为核心的相应处理方案和运用案例。

▲张钧波

在演讲中，他指出，城市中存在着各种各样类型的数据，比如POIs，路网，交通出行轨迹等，而这些数据又无法直接输入到深度学习网络中。为此，我们需求在原始的时空数据到深度学习模型之间架起一道数据转换的桥梁，经过底层时空数据平台对时空数据的定制化管理和下层时空算法模型的整合分析，为此，将城市中的时空数据分为八大类。

1. 单个空间点静态数据，比如一个POI建筑的地位等信息，不会随着工夫而改变；2. 单个空间点工夫动态数据，比如一个室内空气质量传感器的读数，地位不变，数据实时更新；3. 多个空间点静态数据，比如一个城市的物流仓库地址信息，地位不变；4. 多个空间点工夫动态数据，比如城市各个物流仓库的出货量，实时改变；5. 空间网格静态数据，比如城市划分之后，各个栅格地区的POIs分布；6. 空间网格工夫动态数据，比如每个城市划分之后，每个地区的交通流质变化状况；7. 空间图静态数据，比如路网中各个路段的衔接关系图；8. 空间图动态数据，比如路网中各个路段上的交通流量，实时变化。

经过将城市中的原始数据按照这样八大类停止划分，我们可以疾速选择相应的方法停止特征转换抽取，并选取相应类别的模型停止智能化的分析和发掘。

12月1日下午，本次技术峰会圆满闭幕，作为KDD China 的重要组织者之一，京东城市将在将来带来更多有关数据发掘方面的前沿动态，敬请等待！

▲嘉宾合影

撸过

哈哈哈，楼主求带

我只是路过，不发表意见