AI公开课：19.05.16漆远-蚂蚁金服集团CF《金融智能的深度与温度》课堂笔记以及个人感悟

AI公开课：19.05.16漆远-蚂蚁金服集团CF《金融智能的深度与温度》课堂笔记以及个人感悟—191017再次更新

导读
漆远，麻省理工学院博士后，39岁被评为美国普渡大学计算机系和统计系终身教授。
2013年，漆远加入阿里巴巴集团并担任副总裁，和王坚博士的领导下创建了阿里巴巴DST（数据科学与技术研究院）。2015年担任蚂蚁金服集团副总裁、首席数据科学家，其人工智能团队正在研发虚拟机器人。他领导着一个机器学习与人工智能团队从事深度学习、加强学习等人工智能领域的前沿研究和应用。

问答环节

现场PPT

演讲PPT

雷鸣教授—《大数据处理技术的应用场景》

漆远副总裁—《金融智能的深度与温度》

问答环节

小编正在使劲整理中……

雷鸣教授：金融科技一直是热门方向，那些技术未来会有突破性进展？带有更好的应用。
朱军教授：人脸识别，改变算法如何更可靠，在广义上讲，金融领域。大数据处理相关，比如数据挖掘，很多技术结合共同完成比如智能投顾等，要从很多大量的数据中挖取有价值的信息。
雷鸣教授：有没有投金融科技的公司？
黄明明VC：比较少，主要原因是因为数据少，还在看。对创业公司来说，因为大量的数据都在巨头手上，比较难。在新的领域，比如说自动驾驶，量子力学领域，适合创业公司的方向。
雷鸣教授：广泛的金融产业领域，与AI结合上，未来，会有那些新的形势和亮点的产生？对于创业公司有哪些机会？
漆远副总裁：汽车领域，美国没有，这是中国的特色，在中国买车的话，把租车和贷款结合起来了。
雷鸣教授：行业数据是比较稀缺的，因为以前很少存储的。但对于金融产业，零售业的数据。拥有了大量的数据，才会有更深刻的理解。探讨一下二级市场的投资问题，有的人利用深度学习算法进行炒股。探讨一下，未来会不会出现新的巨无霸公司。
emmm，实在是听不清啊……博主尽力了
漆远副总裁：机器学习算法，其实并不是太复杂，复杂了很难应用的。
雷鸣教授：从工作上，给学生们几点未来的建议。
漆远副总裁：找出自己最擅长的、最想做的、最感兴趣，又有需求的方向。采用流行的框架，调参数，建议大家学习一些基础性的知识。调超参数，比如采用GA算法优化神经网络模型的参数，现在来讲，准确度可能不够，但是这个思想是值得学习的。
黄明明VC：建议大家，做AI相关的工作，要将理论和产业相结合。
朱军教授：对于在校的学生，还是要先把基础打好，未来再做和产业相结合的，该读书的时候还是要珍惜难得读书的机会，因为以后，工作了，这样的机会就很少很少了。
今天的课，直播真的是最差的。声音实在是太嘈杂，还有回声，好几次完全听不到，并且PPT也没有及时切换到画面上，非常模糊。博主，今天实在是没能写出太多，还请网友见谅，总共这些，大家凑合着看了。

个评：AI+金融，应该是天设的一对，未来必有巨头产生。拥有了大量的数据，才会有更深刻的理解，这句话，博主认为，没毛病。
备注：以上对话环节的文本编辑，为博主总结，与原文稍微有异，请以原文录音为准。时间紧迫，如有错误，欢迎网友留言指出、探讨。

现场PPT

小编正在使劲整理中……

演讲PPT

小编正在使劲整理中……

雷鸣教授—《大数据处理技术的应用场景》

大数据处理技术：

技术挑战：异构、高维、稀疏、动态。
应用方向：分类、预测。

大数据应用场景：

互联网企业：各种排序、推荐、个性化场景。
金融：用户信用评估、风险控制。
企业经营：用户画像、个性化推荐营销。
教育：个性化教育。

漆远副总裁—《金融智能的深度与温度》

流量的挑战
科技公司

支付宝的普惠金融：有温度有深度的金融智能

贷款违约的风险识别：有监督与无监督混合
骗保风险识别：深度路径学习
准确识别洗钱：无监督弱监督
共享学习：智能信贷，智能金融赋能中和农信

保险业领域
智能理赔：感知 → NLP&知识图谱 → 决策算法(策略)

客服领域

智能客服：话务量上涨，客服人员承载巨大业务压力
客服机器人：多轮对话里问题分类模型，Bert的对抗训练的模型。

技术的发展：实现了80%多的自助。

信息服务的挑战
信息不透明、查询效率低、匹配不精准。

智能信息服务
智能信息服务要解决的问题：

行业信息、竞争信息获取
供应商准入、风险评估
政府企业监管需求

企业图谱

人工智能+金融服务+普惠可持续发展
有深度有温度的金融科技

参考文章