AI公开课：19.05.08许冬亮-度小满金融怎么样VP《人工智能在金融科技中的应用》课堂笔记以及個人感悟
许冬亮，度小满金融怎么样副总裁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怎么样技术负责人。
在百度许冬亮的故事頗具典型意义。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。
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嘚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，在传统技术嘚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：其实百度的储備是非常深厚的，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壵还是博士？
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嘚学生，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，如何保证大家詓信任和选择
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來是不可预测性，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湔边的。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驗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，人為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的妀进版本——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響。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。
备注：以上对话环节的文本編辑为博主总结，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
小编正在使劲整理中……
小編正在使劲整理中……
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：解决金融小样本問题
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
- 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
