至顶网CIO与应用频道 05月31日 新闻消息:京东作为中国最大的自营式电商,一直使用技术驱动未来零售,尤其对于大数据、算法等先进技术的研发非常重视。而且京东拥有中国电商领域最完整、最精准、价值链最长的数据,这为大数据、算法等新技术提供了大量的实际应用场景。
为深度挖掘大数据,让大数据真正为产业贡献价值,第二届京东JDATA算法大赛已经启动。本届比赛京东联合中国信息通信研究院,将大赛升级为中国大数据算法大赛,旨在激发算法上的创新,释放数据价值,真正实现大数据的落地应用,吸引和培养专业人才。本届大赛,获奖选手在赢取高额奖金的同时还将获得权威机构颁发的大数据人才认证等更具有附加值的奖励。
搭建算法创新的交流平台
京东一直致力于通过科技为每位消费者带来极致的购物体验。京东集团董事局主席兼首席执行官刘强东曾在其发表的《第四次零售革命》署名文章中提到,新技术正在给各行各业带来巨大冲击,也把零售业推到了风口浪尖。今天市场上会不断地出现和零售有关的新名词、新标签、新概念、新模式。
但是零售的本质是不变的,即成本、效率、体验。这就要求随着用户购物需求的不断变化,以及对品牌和品质需求的日益提升,京东要提供最值得信赖和最便捷的电商购物体验,赢得数亿消费者的青睐。
京东在过去十二年的高速发展的过程中,沉淀了数亿的忠实用户,积累了海量的真实数据,这些数据为京东建设无界零售基础设施提供了坚实的基础。京东JDATA算法大赛希望通过开放这些脱敏真实数据,携手广大参赛者一起,用技术的力量为更多的消费者提供极致用户体验。
本届赛题为“如期而至-用户购买时间预测”,参赛者可以根据脱敏后的京东真实用户数据自建算法模型,预测热销品类的用户购买时间,比如按时、精准向消费者推荐日常生活中所需的米、面、水等热销品类,在合适的时间段提醒消费者进行复购,真正做到“想消费者之所想”,不让日常生活“断水断粮”。
京东提供JDATA智汇平台为选手搭建展示自己的舞台,借助这一算法比赛平台,吸纳更多创新的算法模型,将算法应用推向新的高度。同时本届大赛京东加大了奖金投入,赛题冠军将独揽50万元,总奖金额度高达70万元!除此之外,获奖选手还将有机会得到京东Special offer,以及权威机构颁发的大数据人才认证等更具有附加值的奖励。
数据价值的落地与变现
“如期而至”是今年大赛的关键词,参赛选手需要思考一下什么是消费者大概率会再次购买的商品,就像瓶装水等消耗品。因为再次购买更多是当天决策,这也要求选手在解题过程中不仅仅要分析某一业务场景,还要了解业务背后的规律从而建模。最终大赛优秀作品也将进一步在京东落地与变现,首届京东JDATA算法大赛中的优秀算法模型,给京东研发工程师带来了许多灵感。当然,从一个在比赛中获取的算法模型到真正商业应用还需要大量工程实践部署经验支持。
为品牌商识别潜在人群的优化,就是一个实际落地案例。通过算法“点线面体”交叉组合对特征进行增加。点,对商品是否进行购买;线,用户行为的组合,包括点击、浏览、加购物车等所有行为;面,把用户行为进行量化,例如下单次数等;将点线面结合形成体,最后将体在时间坐标轴上进行滑动形成四维效果。把得到的几百个特征放入模型中进行融合后,就可以投入线上使用,最终为品牌商GMV(Gross Merchandise Volume 商品交易总量)提升转化。
据悉,2017年首届京东JDATA算法大赛参赛人数高达7346人,累计提交结果22615次,创造了单体算法大赛参赛人数的世界纪录!本届大赛截至目前,报名参赛人数已超过4000人,仍在持续攀升中。欢迎各界算法爱好者加入,与JDATA共同探索数据价值。
好文章,需要你的鼓励
五家光学存储初创公司正在开发长期存储技术,旨在用超过100年寿命的光学介质替代只有5-7年寿命的磁带。这些公司包括Cerabyte、Ewigbyte、HoloMem、Optera和SPhotonix,它们的技术类似微软Project Silica项目。光学存储介质具有更强的化学、冲击、辐射、水和热抗性,同时保持低能耗和高容量特性。
北京大学团队开发的DragMesh系统通过简单拖拽操作实现3D物体的物理真实交互。该系统采用分工合作架构,结合语义理解、几何预测和动画生成三个模块,在保证运动精度的同时将计算开销降至现有方法的五分之一。系统支持实时交互,无需重新训练即可处理新物体,为虚拟现实和游戏开发提供了高效解决方案。
Nutanix发布分布式主权云产品组合更新,为多云环境提供更安全的运营和管理功能。该解决方案支持企业在分布式环境中灵活部署和治理基础设施,运行传统虚拟机、现代云原生和AI应用。新功能包括支持完全断网环境的暗站点管理、政府云集群正式发布、Kubernetes平台增强安全合规性、企业AI平台集成NVIDIA微服务,以及云平台新增跨站点灾难恢复能力,为用户提供统一管理和运营简化体验。
达尔豪斯大学研究团队系统性批判了当前AI多智能体模拟的静态框架局限,提出以"动态场景演化、智能体-环境共同演化、生成式智能体架构"为核心的开放式模拟范式。该研究突破传统任务导向模式,强调AI智能体应具备自主探索、社会学习和环境重塑能力,为政策制定、教育创新和社会治理提供前所未有的模拟工具。