AI公开课:19.05.08许冬亮-度小满金融VP《人工智能在金融科技中的应用》课堂笔记以及个人感悟

AI公开课:19.05.08许冬亮-度小满金融VP《人工智能在金融科技中的应用》课堂笔记以及个人感悟

导读
许冬亮,度小满金融副总裁。2005年毕业于清华大学计算机系,三年多时间成长为百度搜索算法领域的领军人物。曾任百度搜索主任架构师、百度LBS主任架构师、百度搜索技术委员会主席等。在自然语言处理、搜索算法及架构、知识图谱、LBS、智能营销及反欺诈等领域屡破难关。2016年底,许冬亮被调入百度金融,以百度大数据及AI能力为基础,着力打造AI时代的金融科技能力及风控管理能力。 2018年4月28日,百度宣布将旗下金融业务拆分,并启用新品牌“度小满”,实现独立运营。许冬亮出任度小满金融技术负责人。
在百度,许冬亮的故事颇具典型意义。三年,从大学生到百度科学家,这个惊人的跨越,不仅归功于许冬亮在技术上的天赋,也得益于这百度公司独特的文化。根据百度的工程师职称等级制度,最高等级是T12,入职时是T3。许冬亮从T3爬到T9,只用了三年半的时间。

 

目录

问答环节

现场PPT

演讲PPT


 

 

问答环节

小编正在使劲整理中……

张铭教授:金融技术,量化交易,更多的是自行研发还是与高校的合作?
许冬亮副总裁:目前的基础是百度以前的积累,同时也在与高校建立联合实验室,比如北大、清华等。工业界与学术界结合,会带来更大的进步!
张铭教授:银行系统已经运行了很多年,本身已经有专家系统的类似的东西,那是怎么与新的人工智能技术结合的?怎么更好的融合?
许冬亮副总裁:首先,现有的技术不是去更换,而是共建,在传统技术的基础上,叠加新技术助力金融。
张铭教授:百度,在人工智能领域,技术部署上,占有什么样的地位?
许冬亮副总裁:其实,百度的储备是非常深厚的,其实,已经布局了一个新的赛道。
张铭教授:百度非常早,在人工智能领域有提前的部署,对人工智能人才的需求?硕士还是博士?
许冬亮副总裁:站在个人角度来说,人才代表一个企业的未来,是需要在人工智能技术上有深刻积淀的人才。目前所使用的技术,远远还未达到人工智能希望的状态,学历并不代表一切,更重要的是兴趣爱好,百度并不都是博士、硕士学历,也有很多本科人才,表现很好,升职很快。
张铭教授:作为技术出身,如何看职业发展路径?
许冬亮副总裁:其实有人毕业后,都是有很强的可塑性,技术、产品、管理,最好的一条路就是要找到最适合自己的一条路。
张铭教授:成功的人,需要什么样的素质?哪种是最重要的素质?
许冬亮副总裁保持对成长的渴望,保持成长的动力,保持更强的学习能力
张铭教授:也就是,stay hungry,stay foolish!哈哈,关于创业,谈一下建议或者看法。
许冬亮副总裁:对于进入初创的企业或者快速发展的企业,有些人,对创业看法可能很偏。没有渡过生死期的企业其实是很难的,对于现在的学生,建议去已经渡过生死期的企业,那样可以更快的成长!
张铭教授:深度学习,可解释性非常差,关于金融的推荐,如何保证大家去信任和选择。
许冬亮副总裁:量化交易出现后,如果完全交给机器,它会有不可预测性。机器学习都是从历史数据去预测未来,因为未来是不可预测性,所以不会完全交给机器。
张铭教授:近些年,NLP领域,渐渐有了可解释性,但是还有各种各样的探索。学术界都是走在最前边的。量化投资领域,谈一下人才的需求。
许冬亮副总裁:从智能投顾来说,一方面需要对AI技术的积累,还需要对投资领域有一定的经验,但是最重要的是人的可学习能力,就算没有经验也可以,这样的人才,可以在未来快速学习以适应未来。
张铭教授:舆情分析中,人为操作的可能性多不多?
许冬亮副总裁:人为操作相对已经比较少了,但是水军还是比较多,可以采用反欺诈。
张铭教授:我们设计的LSTM的改进版本——异构LSTM模型,可以扩展到现实场景的更多领域。技术细节问题,传统的金融领域,很多的金融的先验知识,还是用ML的模型更好?怎么样去操作?
许冬亮副总裁:从我们应用案例来说,多个排他因素,具体还要线下了解。现场同学的提问,公共新闻对量化投资的影响。先对基金的分析,以后可以深入探讨。与银行合作第一步,其实是双方共性,双方都有诉求,从出发点来看,大家是目标一致的,即利益协同的。从0到1带来的好处是,行业内的示范特性,趟过的坑都会积累很多经验,别人是比较难以复制的。

 

个评:stay hungry,stay foolish!保持对成长的渴望!你终会有成!
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……

智能金融有三大层面

  • 扩大服务边界
  • 提升经营效率
  • 降低运营成本

反欺诈

  • 智能图计算
  • 关联网络的多维度分析

大数据风控
信贷领域的小样本的挑战
高维稀疏挑战的处理:能够提升10%左右
人以群分:Embedding大数据画像

半监督学习:解决金融小样本问题
关联网络:丰富信贷小样本特征

比如,黑机构会召集一群老人去旅游,其实是收集身份资料,来进行集中信贷。

 

拓展服务边界的挑战:财富管理
智能投顾

  • 基于AI用户画像,提供人干面的资产推荐
  • 实时投影,深入资产理解
  • 辅助每个用户成为专业投资者
     

 

 

 

 

 

 

©️2020 CSDN 皮肤主题: 代码科技 设计师: Amelia_0503 返回首页
实付0元
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值