
吴黎霞(浪迹) |

菜鸟网络 高级算法专家
硕士毕业后加入阿里8年,先后在B2B与阿里妈妈,从事计算广告算法相关工作,包括展示广告的个性化、搜索广告的匹配与排序、外投广告的RTB竞价等。加入菜鸟后,负责末端智能化及城市计算的工作,重点探索及解决当下各种末端揽配场景中突显出的效率、成本及消费者体验问题。目前,主要负责寄件与运力智能化的工作,主要研究运力调度、智能派单、时空数据挖掘及可视化决策分析等关键技术。

课程概要
案例背景:
1. 大规模机器学习与运筹优化技术在产业如何运用落地?
2. 时空AI技术如何针对线下物流产业设计适合的AI模型及解决方案?
3. 机器学习与运筹优化如何结合打造数据驱动的落地实操解决方案。
4. 成功的一些真实案例实战分享。
解决思路:
1. 大规模机器学习技术
2. 针对业务问题构建合适的优化模型
3. 机器学习与运筹优化结合的数据驱动解决方案
成果:
以物流领域的智慧末端与城市内运配网络为例来介绍,算法如何赋能产业升级;如何实现设定的优化目标。

听众收益
1. 如何做产业化落地的算法
2. 如何将传统运筹优化与机器学习结合
3. 如何针对线下场景做定制化的时空AI模型

吴黎霞(浪迹) |

菜鸟网络 高级算法专家
硕士毕业后加入阿里8年,先后在B2B与阿里妈妈,从事计算广告算法相关工作,包括展示广告的个性化、搜索广告的匹配与排序、外投广告的RTB竞价等。加入菜鸟后,负责末端智能化及城市计算的工作,重点探索及解决当下各种末端揽配场景中突显出的效率、成本及消费者体验问题。目前,主要负责寄件与运力智能化的工作,主要研究运力调度、智能派单、时空数据挖掘及可视化决策分析等关键技术。

课程概要
案例背景:
1. 大规模机器学习与运筹优化技术在产业如何运用落地?
2. 时空AI技术如何针对线下物流产业设计适合的AI模型及解决方案?
3. 机器学习与运筹优化如何结合打造数据驱动的落地实操解决方案。
4. 成功的一些真实案例实战分享。
解决思路:
1. 大规模机器学习技术
2. 针对业务问题构建合适的优化模型
3. 机器学习与运筹优化结合的数据驱动解决方案
成果:
以物流领域的智慧末端与城市内运配网络为例来介绍,算法如何赋能产业升级;如何实现设定的优化目标。

听众收益
1. 如何做产业化落地的算法
2. 如何将传统运筹优化与机器学习结合
3. 如何针对线下场景做定制化的时空AI模型