采访提纲-国美互联网大数据中心副总监杨骥

国美 人工智能 AI 采访提纲

采访对象：杨骥——国美互联网大数据中心副总监

采访时间：周三（8月2日）下午2点 朝阳区霄云路鹏润大厦B座33层

采访方式：面对面

采访主题：国美互联网机器学习揭秘

采访目的：

了解国美互联网大数据团队建设过程中遇到的挑战。

了解国美互联网机器学习算法和平台架构的演进历程。

了解在电商领域国美如何应用机器学习和深度学习技术、有哪些实践案例。

了解国美互联网未来在前沿技术方面的布局和规划。

采访提问：

1.关于个人和团队

1）首先请杨博士介绍一下自己，尤其是您的职业经历以及您目前在国美主要负责的工作。

2）在过往的报道中，您曾说过您入职时国美在机器学习方面还比较薄弱，后来的团队建设、整套算法和架构部署都由您亲自建设起来，能否跟我们分享一下在团队建设和平台架构部署工作中您都遇到过哪些挑战？又是如何克服的？

2.关于技术的应用及成果

1）国美是从什么时候开始布局机器学习和深度学习技术和将这些技术应用到实际产品中的？您能否按照时间顺序为我们列出几个关键的时间节点和事件？

2）要将机器学习技术很好地应用到实际产品中离不开一套良好的算法和平台架构，您可不可以介绍一下国美的机器学习算法和机器学习平台架构的演进历程？（比如推荐系统常用的算法有很多，协同过滤、矩阵分解、聚类、深度神经网络DNN等，一开始采用了哪些算法，遇到什么问题，后来又进行了哪些调整和优化）

3）对于电商来说，个性化推荐系统是至关重要的一环。电商领域传统的基于用户行为构建个性化推荐系统存在哪些局限性？国美是如何通过机器学习和深度学习技术来改善推荐系统的？与传统的推荐排序方法相比，使用机器学习技术后的推荐排序，给国美的用户量和销售额带来了哪些提升？可否给我们分享几组具体的数据？

4）对推荐排序算法模型进行构建涉及到数据收集、数据清洗、特征工程、参数调优和离线评测等步骤。国美在线每天会新增大量的商品数据和用户行为数据，您的团队尝试过哪些技术和方案对这些海量数据进行清洗和预处理，以保证数据的质量？

5）另外，基于电商的业务场景，与推荐排序算法模型相关的参数有很多，从大类上可以分为用户行为、用户特征、商品特征和环境特征，而每一个大类里其实又包含了很多不同的特征参数，在特征工程阶段如何选择合适的特征参数进行训练？您的团队有没有尝试过新的技术和方案？

6）如果缺乏海量的训练数据，深度学习往往很难发挥很好的效果，您的团队在实际工作中是否遇到过这类问题？是如何解决的？比如是否会结合迁移学习技术等？

7）您的团队采用什么方法和指标对算法进行测试，以了解和评估不同算法的效果？国美有针对自身的业务需求开发独有的测试平台吗？（如果有，能否为我们介绍一下这个测试平台的架构和所使用的技术方案）

8）除了前面提到的推荐系统，目前机器学习技术和深度学习技术在国美还有哪些应用？您能否再给我们简单介绍两个实践案例？

3.关于未来的规划

1）作为线上+线下的零售平台，国美未来在机器学习、深度学习和其他前沿技术方面将有哪些投入？还会关注哪些技术点？