从0开始掌握一门算法，需要花多少时间？

贝壳如视首席算法架构师，巴黎萨克雷大学计算机博士，法国国立信息与自动化研究所博士后，加州大学伯克利分校访问学者。曾在大疆、优必选从事算法研发工作，对三维视觉、机器人定位建图、深度学习等有丰富经验。

为增加用户对房屋的理解，贝壳找房基于自研设备采集到房屋的二维和三维信息，对房源进行深度解读；同时使用人工智能技术，全自动生成房屋三维模型和户型图。本次分享将会讲述如何借助深度神经网络和 GAN，提升用户对室内空间环境的理解。

1. 深度神经网络和 GAN 原理介绍　

2. 人工智能对家居空间理解的帮助

3. VR/AR 设备与算法基本原理的结合

4. 如视自动生成户型图技术的讲解

2010 年硕士毕业于哈尔滨工业大学，曾在搜狗、阿里妈妈从事广告策略研发。2018 年加入贝壳，先后负责增长策略和用户策略，从 0 到 1 搭建了贝壳的增长工具平台，目前负责用户策略，深入挖掘买家和卖家行为，通过大数据和机器学习在买房和卖房的各个阶段更好的理解用户，为用户提供更好的线上线下体验。

在用户的决策周期较长的情景中，平台需要精准挖掘用户状态，并预知用户接下来决策可能，以提升用户体验。本次专题分享将分享如何基于海量数据搭建机器学习系统，如何深度挖掘用户状态并预测状态变化及其过程中遇到的挑战。

1. 用户挖掘系统的背景介绍

2. 从 0 到 1 快速搭建机器学习系统，包含模型选型、特征设计、特征工程和效果评估模型选型的思考以及基于不同类型决策树

3. 模型调优过程中的挑战与解决方案

1. 从工程和算法上全面了解机器学习在贝壳用户挖掘上的应用

2. 了解机器学习系统的典型架构和关键技术点以及面临的挑战 

3. 数据分析是机器学习建模的基础，了解如何通过数据分析更好的调优模型

硕士毕业于中科院，先后就职于华为，百度和医渡云。主要负责房源策略算法和人客方关系图谱两方面的工作。先后主导了房源标签的架构和数据建设，房源质量打分的算法迭代，人客房关系图谱的建设和应用。

贝壳找房是一家以技术驱动的品质居住服务平台，旨在帮助用户精准挑选优质房源，提高企业运营效率。因此公司推出了房源质量打分功能，基于房源数据，利用深度学习模型描摹用户视角。

本次分享将围绕着房源质量打分业务场景中深度学习模型的构建和算法策略的演变进行讲解。

1. 如何利用房产数据精准评价房源质量

2. 如何利用深度学习模型优化签前效率

3. 房源质量打分算法策略的演变

2015 年武汉大学遥感图像处理专业硕士毕业，先后在新浪微博、小米从事推荐算法和机器学习相关工作，曾独立负责了相关微博推荐与相关视频推荐项目；2018 年加入贝壳，负责的搜索效果优化项目获得了贝壳 2018 年度优秀团队奖，目前正在主导审核提效、智能客服等工作。

智能客服是企业节流的重要手段。以往大量的人工客服已经解决用户反馈的诸多问题，那么充分利用历史知识积累让用户自助解决问题、降低人工客服成本就是智能客服系统的价值所在。

本次分享将从知识生产闭环构建、智能客服系统与算法迭代、效果评估等角度来剖析我们在智能客服系统构建过程中的探索与经验。

1. 如何构建智能客服系统

2. 深度学习算法在智能客服中的相关实践

3. 智能客服系统指标体系的构建