每周三期，詳解人工智能產(chǎn)業(yè)解決方案，讓AI離你更近一步。
解決方案均選自機(jī)器之心Pro行業(yè)數(shù)據(jù)庫。
方案1：全球人口分布地圖和密度系統(tǒng)
解決方案簡介：
該系統(tǒng)利用深度學(xué)習(xí)分析衛(wèi)星圖像數(shù)據(jù)，目標(biāo)是打造全球人口分布的地圖，以此指導(dǎo)公司的無人機(jī)項(xiàng)目，幫助更多的人接入互聯(lián)網(wǎng)。以相對(duì)較少的照片（約 8,000 張?jiān)谟《壬峡张臄z的圖片）的信息訓(xùn)練其模型，訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)能鑒別出拍攝自其它 20 個(gè)國家的照片中人類生活的證據(jù)。
解決方案詳解：
目前，該系統(tǒng)已總共分析了代表 2,160 萬平方千米地球土地的 1,560 萬張圖片。識(shí)別人造物的錯(cuò)誤率低于 10%。之后打算再結(jié)合其它數(shù)據(jù)，生成準(zhǔn)確的人口密度系統(tǒng)。
項(xiàng)目由 Facebook 工程師兼光學(xué)物理學(xué)家Tobias Tiecke 及 Facebook Connectivity Lab 負(fù)責(zé)人 Yael Maguire 牽頭。
研究者僅簡單判斷樣本照片中是否有人居住并進(jìn)行標(biāo)注，將標(biāo)注后的圖訓(xùn)練神經(jīng)網(wǎng)絡(luò)，只在「是與否」之間進(jìn)行簡單的二選一，而不用標(biāo)注房屋、汽車等人造物證據(jù)。訓(xùn)練結(jié)束后，能得到一個(gè)簡單的分類器（Classifier），此時(shí)該系統(tǒng)被部署，它自動(dòng)分析地表的衛(wèi)星圖像，判斷圖像中是否有人造物地痕跡，再結(jié)合普查等數(shù)據(jù)進(jìn)行分析，最終能生成較為準(zhǔn)確的人口密度圖。
方案2：大數(shù)據(jù)清理軟件服務(wù)
解決方案簡介：
自動(dòng)進(jìn)行數(shù)據(jù)清理的數(shù)據(jù)轉(zhuǎn)換平臺(tái)，可創(chuàng)建可供多個(gè)不同平臺(tái)（傳統(tǒng)的關(guān)系式數(shù)據(jù)庫、Hadoop 集群）使用的接口。Trifacta 可以創(chuàng)建可在多個(gè)實(shí)體數(shù)據(jù)存儲(chǔ)及處理系統(tǒng)上運(yùn)行的 SQL 查詢或 map reduce 代碼。
該平臺(tái)是在底層設(shè)計(jì)時(shí)考慮到用戶的體驗(yàn)，提供的服務(wù)能讓數(shù)據(jù)科學(xué)家從數(shù)據(jù)凈化的臟累活中解脫出來，讓數(shù)據(jù)分析師能專注于數(shù)據(jù)的處理，而無需開發(fā)復(fù)雜的管道去清理數(shù)據(jù)和把它們放入數(shù)據(jù)倉庫。是第一家是將后端數(shù)據(jù)技術(shù)與直觀的前端用戶可視化界面成功結(jié)合起來的大數(shù)據(jù)公司。
解決方案詳解：
從大數(shù)據(jù)集中自動(dòng)化采樣數(shù)據(jù)，使用可視化的方式讓分析師在很短的時(shí)間發(fā)現(xiàn)有趣的模式。
應(yīng)用機(jī)器學(xué)習(xí)算法為重新組織信息和整理提供建議。分析師可以將數(shù)據(jù)集分組為信息的邏輯部分，每次將其規(guī)范化，并在其工作過程中以友好的界面方式顯示。歸納概括整個(gè)數(shù)據(jù)集合是最后一個(gè)步驟，這將最終形成半結(jié)構(gòu)化的數(shù)據(jù)集并最終成形。
Trifacta 有超過 50 個(gè)企業(yè)用戶，其中包括思科、運(yùn)動(dòng)相機(jī)廠商 GoPro、Juniper、醫(yī)療保健系統(tǒng)集保險(xiǎn)公司 Kaiser Permanente、供給、信息和保健管理產(chǎn)品及服務(wù)供應(yīng)商麥克森（McKesson）、百事公司、輝瑞制藥公司（ Pfizer）和寶潔公司等知名大公司。Trifacta 的收費(fèi)標(biāo)準(zhǔn)是按機(jī)構(gòu)的數(shù)據(jù)體量計(jì)算的，費(fèi)用從 10 萬美元到 15 萬美元不等。
2015 年 10 月份，Trifacta 還推出了一款免費(fèi)的簡化版大數(shù)據(jù)清理軟件，這款免費(fèi)軟件目前擁有超過 5,000 個(gè)用戶，遍布全球 105 個(gè)國家的 3,000 家公司里。
方案3：智能試衣間
解決方案簡介：
智能試衣間通過帶觸摸屏的鏡子及燈光調(diào)整，幫助用戶找到適合自己尺碼、顏色和消費(fèi)場景的服裝。主要希望通過智能化的手段和親身體驗(yàn)效果，來提升線下實(shí)體店服務(wù)的體驗(yàn)，創(chuàng)建線下服務(wù)相對(duì)于線上電商的差異化競爭力。
解決方案詳解：
消費(fèi)者進(jìn)入商店，通過鏡子瀏覽店鋪中所有商品，提交試穿申請(qǐng)，衣服就會(huì)被導(dǎo)購員擺放在試衣間。顧客可以調(diào)整燈光亮度和顏色模擬使用場景，鏡子感應(yīng)衣服上的 RFID 標(biāo)簽并顯示在屏幕上，然后鏡子給出搭配建議。
如果需要試其他顏色或尺碼的衣服，也能通過屏幕下指令，讓導(dǎo)購員送來。
當(dāng)顧客試穿滿意后，可以直接在鏡子上通過 Paypal 付款，試穿過的衣服會(huì)保存在個(gè)人賬戶中。試衣間里還安裝了 Kinect，可以記錄追蹤試衣者的動(dòng)作。
方案4：惡意軟件防范軟件—CylancePROTECT 系列
解決方案簡介：
現(xiàn)有的網(wǎng)絡(luò)威脅旨在繞開已有的保護(hù)措施，而簡單的事后檢測難以保障安全。該公司利用數(shù)學(xué)模型為每個(gè)文件給出其風(fēng)險(xiǎn)因素，基于該風(fēng)險(xiǎn)因素，通過機(jī)器學(xué)習(xí)算法辨別「好」文件與「壞」文件。使用可擴(kuò)展的大數(shù)據(jù)架構(gòu)，從中識(shí)別文件模式。
解決方案適用于不同行業(yè)，比如關(guān)鍵基礎(chǔ)設(shè)施、教育、能源、金融、健康、零售、聯(lián)邦政府等。
解決方案詳解：
機(jī)器學(xué)習(xí)共需要四階段過程：收集、提取、學(xué)習(xí)和分類。
1. 學(xué)習(xí)利用各行業(yè)的涵蓋各種格式、作者的文件進(jìn)行手動(dòng)訓(xùn)練，文件被分成已知且驗(yàn)證有效、已知且驗(yàn)證惡意、未知三部分，這些文件的分類需要保證正確，否則會(huì)帶來偏差；
2. 提取利用機(jī)器的計(jì)算能力和數(shù)據(jù)處理技術(shù)來識(shí)別文件的最有可能的特征集。 根據(jù)其文件類型（.exe、.dll、.com、.pdf、.java、.doc、.xls、.ppt等）提取文件的唯一特征。消除手動(dòng)分類的偏差。使用成千上萬個(gè)特征來確定惡意文件，這大大提升了惡意軟件制作者的成本；
3. 學(xué)習(xí)屬性被搜集，歸一化后，利用矢量化和機(jī)器學(xué)習(xí)排除其中不甚相干的特征，以加快分析速度，數(shù)學(xué)家根據(jù)分類效果建立統(tǒng)計(jì)模型，計(jì)算每個(gè)文件風(fēng)險(xiǎn)因素；
4. 分類基于統(tǒng)計(jì)模型得到的文件風(fēng)險(xiǎn)因素對(duì)其進(jìn)行判斷，對(duì)文件所屬的用戶得到可信度的分析，實(shí)現(xiàn)優(yōu)化。
方案5：數(shù)據(jù)建模平臺(tái)——DataBrain
解決方案簡介：
DataBrain 數(shù)據(jù)建模平臺(tái)包含了機(jī)器學(xué)習(xí)技術(shù)，根據(jù)其數(shù)據(jù)分析服務(wù)體系，建立了數(shù)據(jù)科學(xué)工作流，幫助數(shù)據(jù)分析師、數(shù)據(jù)工程師、業(yè)務(wù)分析師提升建模能力。
平臺(tái)提供適用于信用風(fēng)控、精準(zhǔn)營銷、個(gè)性化推薦、定投策略、客戶分群等模型，可幫助銀行、金融機(jī)構(gòu)管理業(yè)務(wù)，提高運(yùn)營效率。
解決方案詳解：
DataBrain 數(shù)據(jù)分析體系共分以下七步：
1. 問題定義：選擇適合用數(shù)據(jù)模型解決的問題，將特殊的業(yè)務(wù)問題轉(zhuǎn)化為數(shù)據(jù)科學(xué)問題；
2. 數(shù)據(jù)準(zhǔn)備：從多個(gè)數(shù)據(jù)源抽取關(guān)鍵數(shù)據(jù)，對(duì)關(guān)鍵數(shù)據(jù)進(jìn)行清洗、處理和加工；
3. 算法調(diào)優(yōu)：選擇適用于特定數(shù)據(jù)的算法，自動(dòng)尋找最優(yōu)參數(shù)，建立高效率的數(shù)據(jù)模型；
4. 知識(shí)發(fā)現(xiàn)：將數(shù)據(jù)模型轉(zhuǎn)化為決策依據(jù)，從數(shù)據(jù)中發(fā)現(xiàn)業(yè)務(wù)經(jīng)驗(yàn)以外的新知識(shí)；
5. 效果分析：基于不同的效果衡量指標(biāo)分析模型效果及計(jì)算效率，評(píng)估模型的業(yè)務(wù)價(jià)值；
6. 線上部署：規(guī)范模型輸入輸出+，讓模型與業(yè)務(wù)系統(tǒng)無縫對(duì)接，從海量數(shù)據(jù)中自動(dòng)學(xué)習(xí)；
7. 模型更新：監(jiān)控模型穩(wěn)定性、模型效果、模型邏輯與數(shù)據(jù)變化，收集反饋數(shù)據(jù)，持續(xù)更新模型。
而數(shù)據(jù)建模平臺(tái)內(nèi)置了自動(dòng)化調(diào)參機(jī)器人 Atom，在建模時(shí)會(huì)去尋找不同算法對(duì)應(yīng)的參數(shù)，找到最優(yōu)的算法和參數(shù)組合，提高調(diào)參的效率，Atom 通過分布式計(jì)算，把調(diào)參數(shù)及挑算法的任務(wù)自動(dòng)分發(fā)到多臺(tái)計(jì)算節(jié)點(diǎn)上，大幅縮短計(jì)算時(shí)間，并實(shí)時(shí)監(jiān)控模型效果并在線迭代。此外，平臺(tái)還能從多個(gè)數(shù)據(jù)源自動(dòng)提取數(shù)據(jù)特征，將數(shù)據(jù)分析結(jié)果轉(zhuǎn)化為業(yè)務(wù)知識(shí)，為客戶決策提供依據(jù)。
