机器学习与数据挖掘的核心价值

机器学习与数据挖掘方向的核心目标是通过机器学习的建模方式解决人与物的匹配问题，以及通过对人行为数据的建模或挖掘研究，解决物的分发和调度问题。而在应用的领域中，又常常会围绕搜索、广告、推荐等几大常见等应用领域中展开。

2023年4月22日，09:00-12:30，由OPPO商业数据挖掘组组长黄崇远老师出品的DataFun第3届数据科学在线峰会-机器学习与数据挖掘论坛将如期举办。

本次论坛中，我们特别邀请了来自OPPO研究院以及迷你世界的专家，详细讲述了机器学习以及相关算法在商业化买量与卖量的广告场景中的深度实践。也邀请了来自淘宝直播的算法专家分享如何通过算法对直播流量的供给与分发，来提升直播流量与供给端的分发效率。还邀请了来自蔚来汽车算法专家，分享机器学习与数据挖掘能力在新能源汽车领域资源推荐与调度的实际应用。通过本次论坛，听众朋友们可以收获机器学习在流量效率提升维度的众多场景实际应用的实践经验，也能收获数据挖掘与算法在一些新兴行业中的落地模式和经验。

出品人：黄崇远 OPPO 商业数据挖掘组组长

个人介绍：毕业于哈尔滨工业大学，10年的大数据以及算法领域经验，目前在OPPO负责商业化标签画像、DMP平台、广告智能投放、人群LookAlike，以及商业化广告召回等能力模块的建设，在广告算法以及大数据领域发表有十几篇发明专利，原创大数据以及算法公众号【数据虫巢】博主。

楼星雨 OPPO 研究院 高级机器学习算法工程师

个人介绍：2017年硕士毕业于中山大学，曾就职于平安科技和蚂蚁金服，负责自然语言理解和生成方向，并登顶 SQuAD2.0 和 GLUE 两大榜单。2021年加入 OPPO 研究院数据智能研究部拓扑 Lab，任职高级机器学习算法工程师，目前从事图神经网络和推荐系统方向的工作。

演讲题目：基于图神经网络的搜索推荐算法与实践

演讲介绍：数据和事物以多种形式呈现，关键取决于我们从什么角度去看待他们。在搜推领域，当我们把各式行为和关系看作图和网络结构时，便衍生出了许多基于图的搜索推荐算法，但是尚缺少系统地归纳。本次分享主要是基于自己的一些思考为大家分门别类地梳理基于图的搜索推荐算法，帮助大家能够从算法和应用两个方面更清晰地去认识这个方向，并介绍我们在OPPO业务场景中的一些实践案例。主要内容包括：

1. 图神经网络背景介绍

2. 基于图的搜索推存算法的分类及介绍

3. 基于图的搜索推荐算法在 OPPO 的实践

听众收益：

1. 了解图神经网络的概念及其之于搜推的价值

2. 基于图的搜索推荐算法和应用该如何分类？

3. 图神经网络在搜推场景的实践

殷泽龙 迷你创想 增长算法负责人

个人介绍：大家好，我是殷泽龙，毕业于哈尔滨工业大学。我在迷你创想 担任增长算法负责人。我曾就职于腾讯，参与过多个增长和计算广告相关项目。目前，我主要负责公司增长算法相关工作，包括广告买量、push推荐以及用户生命周期分析。感谢大家聆听我的分享，希望能够对你们有所帮助。

演讲题目：迷你世界海外买量算法实践

演讲提纲：

1. 海外买量算法概述

2. 实践中的问题和挑战

3. 买量的未来展望

听众收益：

1. 海外买量实践经验给予相关从业者建议和启发

2. 行业交流，互相沟通，提升技术水平

李伟民 阿里巴巴大淘宝技术 算法专家

个人介绍：淘宝直播技术团队，流量调控，用户增长算法负责人。

演讲题目：淘宝直播流量与供给端到端联动探索

演讲提纲：

1. 淘宝直播体系化调控能力演进。通过构建统一化的流量管理平台能力，缓解直播流量控制的确定性业务诉求与跨域各分发场景在流量调控上的协同困难。支持主播、货品、用户等多维度的调控需求，建立更加实时化，精细化，业务多维度可控的体系化调控能力，服务直播生态健康与流量规划可控。

2. 实时动态多元价值路径人群建模。将传统主播调控人群圈选问题转化为给主播实时推荐直播在线用户问题，引入面向主播侧的算法实时个性化推荐能力，引入人群聚类算法建模，使得我们可以控制调控给主播的用户集合颗粒度从单个用户到相似子用户群体自由缩放可控，并横向服务于多业务场景，多类型调控诉求。同时，构建调控流量 ROI 目标多元可定制架构，从而具像化调控流量的具体 PV 价值。

3. 流量调控与供给端到端联动。围绕（用户、主播、货品）三元图网络结构建模，形成爆品预估，新品发现，PV 价值预估等系列方案，结合实时多元价值路径精准动态人群方案，端到端的联动营销供给与流量调控分发，提升流量的确定性，实现调控流量的整体闭环。

听众收益：

1. 淘宝直播体系化调控能力建设

2. 实时动态多元价值路径人群建模

3. 流量调控与供给端到端联动

后士浩 蔚来汽车 算法工程师

个人介绍：蔚来汽车算法工程师，主要负责资源推荐和单量预测算法工作。

演讲题目：时序预测算法在蔚来汽车的应用探索

演讲提纲：

结合具体应用介绍时序预测算法的实践。

1. 背景：介绍什么是时序数据以及时序预测需要解决哪些问题；

2. 业务场景及挑战：介绍业务场景面临的关键性问题；

3. 算法演进：介绍算法的迭代和应用；

4. 总结展望：总结现有工作，展望未来工作；

5. Q&A：互动问答

听众收益：

1. 如何通过深度学习算法，提升时序预测的效果？

2. 好的时序预测算法到底怎么做？

3. 时序预测有哪些有趣的故事？

钟灵 阿里云 高级算法专家

个人介绍：四川大学计算机专业硕士研究生。具有多年搜索推荐场景的算法和工程实践经验，为数十家阿里云客户提供场景优化建议和效果优化。

演讲题目：云上企业级推荐系统实践

演讲提纲：

1. 阿里云上企业级推荐系统系统架构

2. 推荐算法定制加快特征工程、排序模型的快速创建

3. 推荐系统在线服务的逻辑和性能优化

4. EasyRec算法介绍

听众收益：

1. 通过推荐算法定制，一键生成代码，减少特征工程编码时间

2. 通过PAI-REC引擎，大大提高模型部署效率

3. 在线服务性能优化，降低成本

4. 结合特征平台做排序模型迭代，加快模型探索效率

识别二维码，免费报名，预约本论坛直播

▌关于我们

DataFun：专注于大数据、人工智能技术应用的分享与交流。发起于2017年，在北京、上海、深圳、杭州等城市举办超过100+线下和100+线上沙龙、论坛及峰会，已邀请超过3000位专家和学者参与分享。其公众号 DataFunTalk 累计生产原创文章900+，百万+阅读，16万+精准粉丝。