機器學習在推薦系統(tǒng)和智能硬件中的應用

在本次微型課程中，我將介紹兩個硅谷前沿的項目，通過對項目實踐中的解析，讓大家對機器學習的架構(gòu)、算法等有更深入地了解，也可以通過這兩個案例，啟發(fā)聽眾如何更好地使用機器學習落地到真實業(yè)務場景中。

a：機器學習@智能硬件
隨著如手機、智能手表和生物傳感器等便攜式設備的普及，數(shù)字化自跟蹤技術(shù)近幾年已經(jīng)獲得了長足發(fā)展。同樣，用于監(jiān)測、存儲和分析人類自跟蹤數(shù)據(jù)的信息管理系統(tǒng)設計也在不斷的優(yōu)化。
和以往任何時候相比，由于技術(shù)的快速發(fā)展，使得收集生物數(shù)據(jù)和生理數(shù)據(jù)這個過程變得越來越容易，例如心電圖(ECG)，血氧飽和度(SpQ2)，心率(HR)，腦電波信號(EEG)，皮膚電反應(GSR)，血壓，含氧量，體溫等等。這些自跟蹤數(shù)據(jù)可以幫助我們通過監(jiān)測和分析這些數(shù)據(jù)，來更好地理解個體的健康狀況。正因為此，挖掘傳感數(shù)據(jù)中的隱含價值受到越來越多工業(yè)界和學術(shù)界的關(guān)注。
在這部分，我們將聚焦在介紹機器學習平臺在傳感數(shù)據(jù)中的應用，詳細對利用多源傳感器數(shù)據(jù)結(jié)合機器學習技術(shù)來檢測人體行為項目做詳細介紹。在這一項目中，首先收集位于Bristol (UK)的智能家庭傳感器數(shù)據(jù)，包括重力傳感器，環(huán)境傳感器和三維視覺傳感器，之后通過機器學習技術(shù)來構(gòu)建人類行為監(jiān)測模型。這一機器學習系統(tǒng)能通過分析傳感數(shù)據(jù)，動態(tài)準確的檢測日常生活里的人體行為活動。

b：機器學習@推薦系統(tǒng)和信息檢索
隨著各種便攜式設備如平板電腦、Kindle、Chromebook的廣泛使用，在線教育、培訓和娛樂等內(nèi)容越來越流行。和傳統(tǒng)的紙質(zhì)材料相比，電子讀物更具互動性，可以在線傳播，學習更多的在線相關(guān)內(nèi)容，遇到理解障礙可以在線查詢，拓展知識視野，還可以閱讀過程中添加注釋，縮放，或者播放閱讀內(nèi)容里的嵌入視頻多媒體資源。
然而，紙質(zhì)讀物也有自身優(yōu)勢，例如閱讀速度更快，不會分心，不需要考慮和電子設備的兼容，成本低，最重要的是，絕大多數(shù)學生需要紙質(zhì)讀物。排除這些優(yōu)勢，我們相信在電子技術(shù)的輔助下，紙質(zhì)讀物仍然是學習的主體，而且也不該被電子設備完全替代。所以如何兼顧電子和紙質(zhì)內(nèi)容的優(yōu)點，提供更合理的內(nèi)容投遞是一個挑戰(zhàn)也是機遇。
這一部分將重點介紹METIS學習系統(tǒng)，該系統(tǒng)將電子和紙質(zhì)讀物內(nèi)容的優(yōu)勢結(jié)合起來，為未來的高效閱讀體驗提供混合式的增強手段。我會在演講中介紹并分析該系統(tǒng)中的機器學習架構(gòu)設計和算法技術(shù)，其中包括如何融合數(shù)據(jù)相關(guān)性，可讀性，以及用戶的個性化信息進行內(nèi)容推薦。