AI核心技术

  • 机器学习

  • 计算机视觉

  • 语音学习

查看更多
  • 人机识别

    人机识别

    Machine recognition

    在反消费信贷套现欺诈过程中,利用生物探针采集的移动端界面传感器数据,进行人机识别。通过获取数据并观察其统计特征及分布,结合业务规则和数据的分布建立深度学习模型。

    测试集双指标95%以上的前提下,在保证验证集(抽取实际样本验证)机器数据召回率 72%,人的数据误识率1%的情况下,能够基本稳定的拦截线上数据的日均千分之五(记录数)。

  • 图神经网络

    图神经网络

    Figure neural network

    知识网络通常表示为异构图,其中不同的关系由不同类型的边表示。图神经网络可以浓缩图中的节点信息,生成节点嵌入,作为机器学习模型的输入。

    在营销反欺诈任务中,利用用户间多种关系(注册表/绑卡/实名认证等)生成异构图,达到甚至超越有监督学习模型的性能。

  • 深度学习

    深度学习

    Deep learning

    这项创新深度学习优化算法,从根本上解决了深度学习算法的计算速度瓶颈问题,提出了新颖的深度学习分布式优化理论和算法——特征回放算法(Features Replay),通过实验验证了无性能损失的前提下,特征回放算法比传统反向传播算法(Back Propagation)在速率上节省至少34.4%,应用该技术成果将加速深度学习模型的训练计算,提升效能。
  • 联邦学习

    联邦学习

    Federal learning

    目前,所有联邦学习都是同步的。因为不同服务器的计算能力、计算速度有差别,所以同步的联邦学习不能解决多方的联合建模问题,进而需要异步计算。

    将联邦学习技术应用于风控联合建模,解决隐私数据安全共享问题,改变数据孤岛条件下无法实现的业务效果。目前已经整合区块链、容器技术、联邦学习构建行业级的联合建模解决方案。

AI产业应用

  • AI机器人

  • 金融科技

  • 智能城市

  • 数字营销

  • 农业

产业AI公开课

力邀身处产业一线的行业大咖及学界专家,探讨如何以数字化实现真正破局,重塑新的增长路径,并打造一个开放的交流平台。

“新基建”正当时,AI如何助力户外广告数字化升级?
  • 第一季
AI将如何改变下一个十年
  • “新基建”正当时,AI如何助力户外广告数字化升级?

    【第5期】“新基建”正当时,AI如何助力户外广告数字化升级?

    吴雪军 2020-05-07
  • AI发展的土壤:我们需要怎样的技术文化

    【第4期】AI发展的土壤:我们需要怎样的技术文化

    曹鹏 2020-04-29
  • 如果黑天鹅再次降临,AI智能城市将如何比现在表现的更好?

    【第3期】如果黑天鹅再次降临,AI智能城市将如何比现在表现的更好?

    郑宇 2020-04-23
  • 疫情背后,AI与产业关系的再思考

    【第2期】疫情背后,AI与产业关系的再思考

    薄列峰 2020-04-16
  • 机遇不会“熔断”,AI将如何影响金融科技下半场?

    【第1期】机遇不会“熔断”,AI将如何影响金融科技下半场?

    徐叶润 2020-04-09
MR.AI

曹鹏

京东数字科技副总裁

曹鹏先生,现任京东数字科技副总裁,数字技术中心总裁,负责京东数字科技的技术研发、IT系统建设与维护,同时全面负责创新科技业务。曹鹏先生毕业于北京交通大学,从事相关技术工作近20年,在互联网产品和技术方面有着卓越的专业技能和管理经验。

曹鹏先生2007年加入京东集团,参与了京东集团早期技术框架的搭建,并负责多项技术革新。京东金融成立后,领导团队完成了京东金融云平台、大数据风控平台等重大项目的建设,引领了金融科技行业的创新道路。在京东金融品牌升级为京东数科后,曹鹏先生带领团队,将人工智能、大数据、IoT等领先数字科技,应用于传统行业的数字化升级。

MR.AI

程建波

京东集团/京东数字科技副总裁,风险管理中心总经理

程建波先生现任京东集团/京东数字科技副总裁,风险管理中心总经理。

程建波先生先后就职于深发展银行、华夏银行、FICO等机构,具有传统金融与互联网跨行业经验,对行业有广泛和深入的了解,业务实践经验丰富。2014年8月加入京东,组建京东金融风险管理团队,保障京东白条、金条等系列有行业影响力的产品推出和发展。

MR.AI

郑宇

京东集团副总裁、京东数字科技首席数据科学家、京东城市总裁

郑宇教授,现任京东集团副总裁、京东数字科技首席数据科学家、京东城市总裁,主要负责京东城市业务,利用大数据和人工智能技术服务于政府和大型国有企业,致力于解决城市里的交通、规划、环境、能耗、商业和公共安全等痛点,提高大型企业产能和业务效率。

郑宇教授在加入京东之前是微软亚洲研究院城市计算领域的负责人,他提出了“城市计算”理念,是城市计算领域的先驱和奠基人。郑宇教授发表高质量国际论文百余篇,其中多篇论文成为城市计算领域奠基性的论文。在国际人工智能顶尖会议AAAI2019上,他还成为首位发表大会主旨演讲的大陆学者。

MR.AI

徐叶润

京东数字科技副总裁

徐叶润先生现任京东数字科技副总裁 资管事业部资管科技总经理,全面负责资管事业部技术工作,基于资管科技平台——JT²(智管有方),带领团队建设服务于资本市场的资管科技生态体系。

徐叶润先生拥有超过20年金融信息技术领域的实战经验,历任华兴资本董事总经理,集团CTO;中信证券董事总经理,信息技术中心副总、主持工作;中信证券全资子公司中信证券信息与量化服务(深圳)有限责任公司总经理,负责该公司的规划、组建、运营与管理工作。

徐叶润先生是美国华盛顿大学数学博士,上海复旦大学数学学士。

MR.AI

薄列峰

京东数字科技AI实验室首席科学家

薄列峰博士,现任京东数字科技AI实验室首席科学家。负责京东数字科技AI实验室的创新研发工作,主要研究方向包括3D机器视觉、机器学习、自然语言处理等。在薄列峰博士率领下,京东数字科技AI实验室不仅在人工智能前沿科技领域取得了多项突破,而且在3D人脸支付、智能养殖、智能客服等场景实现了应用落地。

在加入京东数字科技之前,薄列峰博士曾就职于亚马逊(Amazon)西雅图总部,担任首席科学家(Principal Scientist),领导研究团队,从事Amazon Go无人零售店的基础算法研究和工程落地。薄列峰于2007年获西安电子科技大学博士学位,先后在芝加哥大学丰田研究院和华盛顿大学从事博士后研究。

MR.AI

吴雪军

京东数字科技集团副总裁、京东钼媒事业部首席数据科学家

吴雪军先生拥有18年互联网广告、大数据、搜索引擎、推荐系统和自然语言处理等领域的技术和研发经验,曾就职于百度、天涯社区等知名企业,并先后创办超级灵兽和鼎复数据。

2019年12月,吴雪军先生正式加入京东数字科技集团,担任京东钼媒事业部首席数据科学家,主要负责京东钼媒在数据运营、算法应用、技术研发、线上线下数据融合等方面的工作。

吴雪军毕业于东北大学计算机软件与理论专业。

  • 曹鹏
  • 程建波
  • 郑宇
  • 徐叶润
  • 薄列峰
  • 吴雪军
曹鹏

科技研发机构

数据智能实验室

数据智能实验室

京东数科数据智能实验室(硅谷)由大数据首席科学家黄恒教授领先,团队定位于大数据和机器学习创新算法的研发,致力于解决京东实际应用问题。

京东数科数据智能团队拥有强大的研发技术背景,在机器学习、大数据、AI等多个科研领域和技术方向都位于世界的前列,针对落地产品,研发和提供世界最先进的机器学习和大数据算法程序,从而大大提高了落地产品的质量和技术含量。

黄恒教授是美国匹兹堡大学John A.Jurenko基金赞助冠名的杰出讲席教授,是机器学习、人工智能、大数据、计算机视觉等领域的世界权威科学家,取得了大量令人瞩目的研究成果,有着重要的全球学术影响力。

智能风控实验室

智能风控实验室

京东数科是业内首家大规模在信贷风险领域应用机器学习模型商业化的公司,建立了包含风险运营监测、安全与反欺诈、信用决策、资产处置、数据仓库、自动建模等六大模块,组成了覆盖数据、模型、策略、系统等全方位风控体系。

智能风控实验室基于数据技术及AI能力,实现支持账户全流程的反欺诈监测与处置需求。在账户登录环节,通过生物探针、行为序列、人脸识别等人机识别技术,可以对用户身份进行识别和确认;在申请环节和交易环节对账户伪冒开立、盗刷等申请和交易欺诈行为的全方位覆盖,为用户的账户安全提供了层层保障。

京东数科利用信用模型评估客户数量6.5亿+,日调用模型1000万+次,风险策略4万+,欺诈损失率低于百万分之一,积累可疑风险名单近亿条。

鉴于在风控领域的出色表现,2018年,京东数科荣获《亚洲银行家》“年度最佳信用风险管理金融技术奖”;2017年,被《亚洲银行家》授予“年度信贷风控技术实施奖”,成为中国区唯一获得此奖项的科技公司。

区块链实验室

区块链实验室

2018年,京东与新泽西理工学院、中科院软件共同成立区块链联合实验室,由加拿大一级研究讲座教授(大数据科学领域)、加拿大西蒙弗雷泽大学计算科学学院教授裴健,中国科学院软件研究所副总工程师、ISO/IEC专家张振峰,美国新泽西理工学院计算机系教授唐强担任联合主任。2020年3月,区块链联合实验室正式更名升级为“JACOBI区块链创新实验室”(英文全称:Joint Academy of Blockchain Innovation或JACOBI Blockchain Lab)。

区块链创新实验室以提高现有区块链技术的效率、稳定性和安全性为重点,以拓展区块链创新应用场景为工作目标,专注于共识协议、隐私保护、智能合约等区块链底层技术的研究及应用,打造最易用的企业级区块链技术平台,围绕可信数据网络共建区块链应用生态,服务社会数字资产的高效流动与价值创造。

数字农牧院士研究院

数字农牧院士研究院

京东数科数字农牧院士研究院由京东数字农牧与中国工程院院士李德发共同发起,旨在建立智能养殖新规范,树立行业标杆,助力农牧产业升级与发展。

依托以AI为核心的数字科技能力,并通过与中国农大、中国农科院等机构深入合作和行业专家智慧相结合,京东数科数字农牧自主研发并推出集成“神农大脑(AI)”+“神农物联网设备(IoT)”+“神农系统(SaaS)”的智能养殖解决方案,独创养殖巡检机器人、饲喂机器人、3D农业级摄像头等先进设备,打通养殖全产业链,真正实现了智能化、自动化、精细化生产,解决了传统农业自动化程度低、生产数据难采集、人工成本大等痛点,最终实现降低产业成本、增加产业收入和升级产业模式。

智能城市研究院

智能城市研究院

京东智能城市研究院是京东集团顶级的研究院,包括数据服务实验室、人工智能实验室、 行业应用研究所、商业模式实验室和技术转化部,以及在北京、南京、成都和桂林等多个城市设立的分院, 聚集上百位硕士和博士优秀人才,探索中国智能城市建设的新模式,引领世界智能城市发展的潮流。

京东智能城市研究院依托京东集团强大的数据基础和品牌优势,聚合整个集团在电商、物流、金融、大数据、人工智能和云计算等领域的技术优势, 依托京东集团智能城市事业部强大的研发和产业化实力,攻关新一代城市科技,解决城市中交通、规划、环境、能耗、公共安全和政务等领域的痛点, 支撑点线面结合的智能城市顶层设计和跨领域的垂直应用,推动城市从规划到运维到预测的可持续发展。

同时,京东智能城市还跟20多所高校和科研院所建立紧密的合作关系,通过共同攻关重大科研项目、联合开设课程、学科和学位的共建、联合和定向培养研究生等一系列举措, 推动人工智能和大数据技术在城市科学领域的产学研一体化进程,并为智能城市行业培养了一大批复合型尖端人才。

目前,京东智能城市研究院已经在世界顶尖期刊和会议上发表了24篇论文, 申请了30余项发明专利,主办和承办多个世界级的重大学术活动,并在国家级会议上多次扮演重要角色,在学界和业界都获得广泛的认可。

AI实验室

AI实验室

2017年12月3日,京东数字科技AI实验室在美国硅谷正式投入运营。前亚马逊首席科学家薄列峰任京东数字科技AI实验室首席科学家,美国伊利诺伊大学香槟分校(UIUC) 计算机科学学院彭健博士出任京东数字科技AI实验室首席顾问。。京东数字科技AI实验室主要关注前沿AI技术及产品衍生出的商业价值,在人才方面,到2018年,京东数字科技AI实验室将汇集50余位人工智能领域的顶级科学家;而在资金方面,薄列峰称,京东实验室每年的研发投入甚至可以和谷歌、Facebook等硅谷一线科技公司的顶级实验室相媲美。

目前,京东数字科技AI实验室已经在机器学习、计算机视觉等领域展开研究工作。京东数科AI实验室的3D计算机视觉技术水平处于行业领先地位,并实现了诸多创新应用。

资管科技创新实验室

资管科技创新实验室

京东数科资管科技创新实验室以大数据、区块链 、NLP、AI 等技术,深度研究综合性数据挖掘分析能力、前沿性金融资产建模和风控能力,跨资产跨市场的交易管理能力等行业技术前沿,打造对实体经济与产业有洞察能力的创新实验室。由京东数字科技集团副总裁徐叶润带领的实验室团队,汇聚了海内外优秀人才,在传统金融领域不同版块以及新兴金融科技领域有着丰富的资管科技从业经验。

在深度上,实验室建立了电子化信息网络系统,引入知识图谱、自然语言处理等创新型的技术,助力资管业务生态中各类机构实现投资项目全生命周期的数字化管控;在广度上,实验室积极拓展海外资管科技业务,输出资管科技服务;在厚度上,实验室构建智能型资管科技操作系统,基于分布式、云原生的系统架构、应用及数据的API化,助力资管机构建立区块链上金融资产交互的共识机制与管理体系,用联盟链的方式提升效率、提高收益和安全性。

实验室持续向市场输出产品设计、销售交易、研究分析等前沿资管科技服务,帮助金融机构提升资产运营效率,提高资产回报收益,共建资管新生态。

AI机器人实验室

AI机器人实验室

京东数科AI机器人实验室专注于机器人、AI、大数据及物联网等技术的综合应用与创新,在智能交通、智能医疗、智能商服等多领域推出机器人产品服务与解决方案,推动产业数字化进程中的科技创新,引领智能新时代。

京东数科AI机器人实验室与西南交通大学达成深度合作关系,建立产学研融合新高地。双方发挥各自专业领域的优势,在轨道交通领域开展产、学、研一体化工作建设,进一步就业内重大前瞻性课题,如青藏铁路智能化巡检等进行探讨与研究,开展场景实践与理论探索方面的深度合作,推动轨道交通领域的智能化工作。

科技论文

AI实验室

  • Evolvement Constrained Adversarial Learning for Video Style Transfer

    Evolvement Constrained Adversarial Learning for Video Style Transfer

  • Learning Non-Uniform Hypergraph for Multi-Object Tracking

    Learning Non-Uniform Hypergraph for Multi-Object Tracking

  • A Dataset and Benchmark for Large-scale Multi-modal Face Anti-spoofing

    A Dataset and Benchmark for Large-scale Multi-modal Face Anti-spoofing

  • Spatiotemporal CNN for Video Object Segmentation

    Spatiotemporal CNN for Video Object Segmentation

  • Deep Skip-Gram Networks for Text Classification

    Deep Skip-Gram Networks for Text Classification

  • Distributed Inexact Newton-type Pursuit for Non-Convex Sparse Learning

    Distributed Inexact Newton-type Pursuit for Non-Convex Sparse Learning

  • Single-Shot Scale-Aware Network for Real-Time Face Detection

    Single-Shot Scale-Aware Network for Real-Time Face Detection

  • ScratchDet Training Single-Shot Object Detectors from Scratch

    ScratchDet Training Single-Shot Object Detectors from Scratch

  • Co-saliency Detection via Mask-guided Fully Convolutional Networks with Multi-scale Label Smoothing

    Co-saliency Detection via Mask-guided Fully Convolutional Networks with Multi-scale Label Smoothing

京东智能城市研究院

  • Efficient and Effective Express via Contitleual CooperativeReinforcement Learning

    Efficient and Effective Express via Contitleual CooperativeReinforcement Learning

  • Detecting Urban Anomalies Using Multiple Spatio-Temporal Data Sources

    Detecting Urban Anomalies Using Multiple Spatio-Temporal Data Sources

  • A Deep Reinforcement Learning-Enabled Dynamic Redeployment System for Mobile Ambulances

    A Deep Reinforcement Learning-Enabled Dynamic Redeployment System for Mobile Ambulances

  • Alleviating Users Pain ofWaiting Effective Task Grouping for Online to Offline Food Delivery Services

    Alleviating Users Pain ofWaiting Effective Task Grouping for Online to Offline Food Delivery Services

  • GeoMAN Multi-level Attention Networks for Geo-sensory Time Series Prediction

    GeoMAN Multi-level Attention Networks for Geo-sensory Time Series Prediction

  • Human-Centric Urban Transit Evaluation and Planning

    Human-Centric Urban Transit Evaluation and Planning

  • Dynamic Bike Reposition A Spatio-Temporal Reinforcement Learning Approach

    Dynamic Bike Reposition A Spatio-Temporal Reinforcement Learning Approach

  • Detecting Vehicle Illegal Parking Events using Sharing Bikes’ Trajectories

    Detecting Vehicle Illegal Parking Events using Sharing Bikes’ Trajectories

  • DeepCrime Attentive Hierarchical Recurrent Networks for Crime Prediction

    DeepCrime Attentive Hierarchical Recurrent Networks for Crime Prediction

  • Citywide Bike Usage Prediction in a Bike-Sharing System

    Citywide Bike Usage Prediction in a Bike-Sharing System

  • Predicting citywide crowd flows using deep spatio-temporal residual networks

    Predicting citywide crowd flows using deep spatio-temporal residual networks

  • You Are How You Drive Peer and Temporal Aware Representation Learning for Driving Behavior Analysis

    You Are How You Drive Peer and Temporal Aware Representation Learning for Driving Behavior Analysis

  • Deep Distributed Fusion Network for Air Quality Prediction

    Deep Distributed Fusion Network for Air Quality Prediction

  • Interactive Bike Lane Planning using Sharing Bikes Trajectories

    Interactive Bike Lane Planning using Sharing Bikes Trajectories

  • Real Time Ambulance Redeployment  A Data Driven Approach

    Real Time Ambulance Redeployment A Data Driven Approach

  • Flow Prediction in Spatio Temporal Networks Based on Multitask Deep Learning

    Flow Prediction in Spatio Temporal Networks Based on Multitask Deep Learning

数据智能实验室

  • Balanced Self-Paced Learning for Generative Adversarial Clustering Network

    Balanced Self-Paced Learning for Generative Adversarial Clustering Network

  • Cross Domain Model Compression by StructurallyWeight Sharing

    Cross Domain Model Compression by StructurallyWeight Sharing

  • Heterogeneous Memory Enhanced Multimodal Attention Model for Video Question Answering

    Heterogeneous Memory Enhanced Multimodal Attention Model for Video Question Answering

AAAI 2020

  • 基于空间语义网络调制的深度协同物体分割

    协同目标分割是对多幅相关图像中的共同目标进行分割。在很多计算机视觉相关问题中,协同目标分割都有着广泛的应用。本文提出了一个基于空间和语义调制的协同分割深度学习网络框架。该方法首先用骨干网提取多分辨率图像特征。之后我们用图像的多分辨率深度特征作为输入,采用文中所设计的空间调制器来学习每个图像的掩模。

    基于空间语义网络调制的深度协同物体分割
  • 基于成对比较样本标注的鲁棒条件生成对抗网络

    条件对抗生成网络(conditional GAN, CGAN)在图片属性编辑等领域有成功的应用。但是,训练CGAN往往需要大量标注。针对这一问题,现有方法大多基于无监督聚类,比如先用无监督学习方法得到伪标注,再用伪标注当作真标注训练CGAN。

    基于成对比较样本标注的鲁棒条件生成对抗网络
  • 基于小样本学习的知识图谱补全

    知识图谱作为重要的数据资源已经被大量应用于推荐以及自然语言处理的各项应用当中。在实际场景中,知识图谱的不完整性则作为一个重要的研究课题。尽管大量的知识图谱补全的算法致力于解决该问题,当前算法都依赖于大量的训练数据才能较好地学习到知识图谱中各类节点间的关系。

    基于小样本学习的知识图谱补全
  • 针对鲁棒支持向量机的快速数据筛选算法

    在现实机器学习应用中,我们经常使用鲁棒支持向量机提高预测性能,减小噪声的影响。由于鲁棒支持向量机使用非凸的的目标函数,差分优化方法经常被采用来计算,并使用多个外循环,从而大大地增加了计算复杂性,限制了鲁棒支持向量机在大数据上的使用。

    针对鲁棒支持向量机的快速数据筛选算法
  • 基于四重随机梯度的大规模非线性半监督有序回归AUC优化

    有序回归问题(类别标记存在有序关系)广泛存在于现实世界中,例如天气预报中的级别关系,预警系统中的级别关系, 金融风险预测的级别关系。传统的有序回归算法通常是基于有序二分类分解方法,即将原问题分解为多个二分类的子问题,再最小化子问题的分类误差来进行求解。但是,这种方法会天然的会使每个二分类问题出现类别不均衡的问题。

    基于四重随机梯度的大规模非线性半监督有序回归AUC优化
  • 学习从轨迹中生成电子地图

    最新且准确的路网数据对于城市中的很多应用,比如车载导航和线路优化等,都非常重要。传统的道路数据采集方法依赖于现场调查,消耗大量的人力物力。

    学习从轨迹中生成电子地图