Teradata Analytics Universe 2018：深度学习和卡片技巧

总部位于美国的Teradata认为，深度学习（DL）的时间现在得益于算法的突破。

在拉斯维加斯举行的Teradata Analytics Universe 2018（10月14日至18日）活动的第三天（10月16日），FinTech Futures吸收了会议内容，并获得了一些有关人工智能（AI）和DL的见解。

Teradata的首席技术官Stephen Brobst

在我们的第一份报告中，该公司推出了一个新的徽标和主题-“高高耸立”，以寻求成为分析复杂性的解决方案。

第二份报告概述了该公司在金融科技领域的野心-例如一项神秘的美国银行交易以及与潜在客户的对话。

曼德勒海湾酒店的活动令人印象深刻-来自50个国家/地区的3,000多名与会者；由于会议中心的规模，还可以进行一些良好的步行运动。

DL，ML，PI

在大会的主题演讲中，Teradata的首席技术官Stephen Brobst向DL的大型聚会表示了务实的态度。

在这里，我们可以赞扬公司，因为去年这是类似的信息。Teradata的员工热衷于炫耀他们的知识（有时这是巨大的），但他们并不假装一切都会变得容易或简单的解决方法。

布罗布斯特（Brobst）认为，机器学习（ML）的95％的工作已经完成了数十年。数学基本相同–但“魔术”是使过程自动化并带来自我学习。

他称人工智能是业界“最被夸大的词”，并希望人们变得现实。Brobst认为DL与传统ML不同，因为后者涉及线性数学，即“我的侄子知道如何做”的类型。

但是，有了DL，就存在一种“数据转换” –包括隐藏层和神经层，这些层带来了非线性数据。这将创建一个更强大的模型。但是，他提醒人们，DL渴望大量数据，因此“适当设置期望”。

Brobst穿着80年代电视节目《 Magnum PI》中的Tom Selleck的衣服，并没有把自己的想法保密。

他问–为什么现在使用DL？好吧，“当资金枯竭时，人工智能的冬天已经过去了-但是算法方面的最新突破意味着二进制神经网络可以映射到GPU”。

这意味着高度并行的系统–“非常愚蠢，非常便宜” –人们可以为实际应用扩展DL。

例如，他转向“无聊的”银行和信用卡交易问题。考虑一下其中涉及的日期戳或商人类别。

喜欢“双峰”外观

通过银行交易的图像识别，它可以应用一些简单的数学运算并将像素映射到图像上。他向我们展示了无欺诈和欺诈的图像，甚至人眼也明显不同。

与活动中的其他人一样，他引用了去年的丹斯克银行（Danske Bank）交易。该银行使用AI驱动的欺诈检测平台，并提高了检测率。我听说过很多关于这家银行的信息，所以可能是时候让Teradata寻找另一家银行作为例子来炫耀它的更多客户了。

实际上，在“双峰”式创新剧院之一的另一场会议中，Teradata Consulting的AI工程总监Ben MacKenzie讨论了将DL应用于信用卡欺诈的问题。

MacKenzie认为，在NLP和图像识别方面，DL表现出色。一些优势包括较少的工程设计功能和更好的概括性。

因此，尽管人们擅长图像识别，但在查看表格数据时却并非如此。对于人类而言，这将是一个无聊的任务，但是DL可以接管它。

矛盾之处

如果您热衷于AI，那么请多多分享。

IDC分析和信息管理业务部门副总裁Dan Vesset在另一场关于“让AI为您工作需要做什么”的会议上，认为该技术既“普及”又“新生”。最终，在大多数会议上，科技界充斥着矛盾的言论。

都是关于AI

根据IDC的研究，人工智能的渗透率仍然很低。只有21％的企业（1000多名员工）开发了对话式AI技术。此外，在2018年的AI用例支出方面，自动化客户服务代理以23亿美元位居榜首。欺诈分析和调查为11.2亿美元。

现实主义再次抬起头来，正如维塞特（Vesset）所说，需要降低对完美的期望。例如，面部识别技术已被面罩击败。

一个普遍的主题是缺乏数据科学家（DS），从2017年开始IDC研究中，有61％的受访组织没有组织中的DS。一些公司提供了使DS角色自动化的技术，例如Google和DataRobot。

演讲者还没有被自动机或机器人取代……。

今天又是会议的好日子，但我敦促Teradata接受首席运营官或首席技术官的采访，以更详细地讨论金融科技。如果您愿意的话，可以称之为深度金融技术学习。我是一个愿意的学生。

随着金融科技期货整周在这里举行，拉斯维加斯展会上将有更多报道。