出品人：陈峭霖
腾讯游戏海外首席数据科学家
担任腾讯游戏海外数据科学负责人，负责搭建海外业务所需的大数据分析建模，以及负责海外用户画像建设和市场用户相关的分析洞察工作，致力于游戏领域的机器学习、推荐系统、用户画像、知识图谱等的研究和应用，打造业界领先的游戏领域通用数据挖掘平台，同时探索用户生命周期和游戏虚拟经济等交叉学科前沿方向。
北京大学学士，UCLA生物统计系博士。                                                                                                            

数据智能

本专场结合政务、金融、工业等领域的数字化转型实践，向业界呈现如何利用数据科学释放大数据要素价值、构建数据智能应用。在这过程中，会借助AI算法、建模分析和数据可视化等为主要手段，完成数据到知识的转化，帮助企业智能运营、智能获客、智能推理、辅助决策，释放数据价值，最终实现生产力的提升。                    
数据智能在大数据分析中的应用探索
内容简介：
大数据在各行业应用场景中存在一些共性痛点，大语言模型的引入带来了新的解决思路，本次分享其中一些场景实践及思考。                                                                                                                                                                                                                                                                                                          
演讲提纲：
1、大语言模型技术发展
2、大数据在企业落地中的痛点分析
3、大语言模型协助大数据工作实践分享
4、未来更优的结合方式畅想                                                                                                                                                                                                                               
听众受益：
给予大数据相关从业者在使用LLM提升大数据应用效率上一些参考和启迪                                                             
彭思翔 
腾讯数据科学专家
腾讯数据科学专家，精通机器学习、深度学习与大语言模型，熟悉大数据治理、 数仓建设，因果推断及 AB 测试等相关技术。擅长利用数据科学与AI前沿技术解决业务实际问题，在医疗大数据， 医疗大语言模型，社交网络分析，数据安全有多年跨领域数据科学实践经验，并完成10+产品孵化、商业化。
大语言模型下的数据及知识管理 
内容简介：  
大语言模型为人工智能发展注入了新的活力，本次分享围绕大语言模型下的数据和知识管理展开，针对大语言模型的基座及领域知识在构建、质量控制、有效性评估等多方面的方案进行探讨，根据多阶段模型性能变化发现数据问题来提升模型迭代速度。并给出小米大模型及数据评估体系和方法。最后基于小米自有业务介绍大语言模型在小米的应用场景，介绍LLM 下检索增强的小米自己的方法；通过本次演讲，希望能够帮助听众更好地了解知识及数据管理在大模型预训练阶段及领域应用中的作用并给出解决方案。                                                                                                                                                                                                                                     
演讲提纲：
1、概述大语言模型下知识和数据管理的重要性
1）海量数据及知识对大语言模型的影响
2 ）小米遇到的大模型环境中知识及数据管理的挑战
2、大模型下数据加工及管理的解决方案
1）小米大语言模型中数据及知识挖掘
2）小米数据质量控制提升模型迭代速度
3）小米大模型及数据质量评估的方法
3、大模型在小米领域场景下的应用和方法
1）域数据高效全参微调的小爱问答场景应用方法
2）基于LLM的retrieval-augmented Generation的领域应用
 
听众受益：
1、了解小米大语言模型数据知识管理遇到的问题及解决方案
2、了解小米知识及数据管理提升模型迭代速度的方法
3、了解小米的数据和模型的质量评价测试方法
4、了解小米知识库检索增强生成模型在领域场景下的应用及方法                                                                        
彭  力
小米大模型数据团队负责人
2012年至2018年曾就职于百度，于2018年5月加入小米。先后负责知识图谱平台及大模型数据团队的技术体系的构建。目前主要负责小米自研大模型的数据及知识构建及自研模型的落地，并在此期间参与知识图谱国家标准的制定。曾在全球人工智能大会、datafuntalk等多个会议和论坛有过知识图谱相关的技术分享经验。                                                                      
AI在海外游戏智能分析中的应用                        
殷志贤
腾讯海外数据平台应用开发负责人
负责腾讯海外数据平台部门的应用系统系统建设，带领团队从0建设BI系统、数据分析系统。                                                
内容简介：
介绍AI在数据分析场景下的使用，如何从已有平台让AI更快速介入，提高数据获取的效率；并探索使用AI生成可视化报表和分析结论，提高数据洞察效率。                                                                                                                                                                                               
演讲提纲：
1、介绍AI在数据分析场景下的方案选型
2、当前方案在性能方面的优化思路
3、其他AI应用案例介绍                                                                                                                              
                                                                      
听众受益：
了解腾讯海外数据平台在AI方向上的应用                                                                                                                             
数据的重生，基于AIGC的智能体系建设思考                      
高  蕊
中信银行软件开发中心测试管理板块板主
中信银行用户体验、业务测试创始人，资深质控专家。工信部互联网高级工程师认证，兼任金融业软件测试框架研究编委会专家，Ai Testing本地化编委会专家，中国金融学会金融科技首批专业委员会专家。担任《研发运营一体化（DevOps）持续测试能力成熟度模型》等6项国家标准规范编委。数字化质量体系建设、自动化测试、精准测试、智能测试、大模型应用等方向经验丰富。                                                
内容简介：
常规的测试体系下，大批量的资产数据被沉淀下来，而如何更加合理的应用这些数据，在创造更多价值的同时又不会额外增加过多的成本，这一直是业界广为苦恼的问题。当下，大模型时代的到来，也许为这个问题找到了解决的出路。我们尝试借助成熟的测试资产管理体系及大模型技术，进一步激活出资产的剩余价值，使测试资产重生，建立属于自己的智能金融测试体系。                                                                                                                                                                                                                                                                                                                               
演讲提纲：
1、基于数据建模使得测试资产智能完善并连接
2、借助大模型技术在金融测试领域的应用探索
3、智能测试体系的未来发展                                                                                                                                            
                                                                      
听众受益：
1、了解如何进一步挖掘测试资产的价值
2、了解大模型技术在测试领域的应用方向
3、了解测试体系的未来发展变化                                                                                                                                
京ICP备2020039808号-4
返回顶部