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)。
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。
Deep learning
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
Evolvement Constrained Adversarial Learning for Video Style Transfer
Learning Non-Uniform Hypergraph for Multi-Object Tracking
A Dataset and Benchmark for Large-scale Multi-modal Face Anti-spoofing
Spatiotemporal CNN for Video Object Segmentation
Deep Skip-Gram Networks for Text Classification
Distributed Inexact Newton-type Pursuit for Non-Convex Sparse Learning
Single-Shot Scale-Aware Network for Real-Time Face Detection
ScratchDet Training Single-Shot Object Detectors from Scratch
Co-saliency Detection via Mask-guided Fully Convolutional Networks with Multi-scale Label Smoothing
Efficient and Effective Express via Contitleual CooperativeReinforcement Learning
Detecting Urban Anomalies Using Multiple Spatio-Temporal Data Sources
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
GeoMAN Multi-level Attention Networks for Geo-sensory Time Series Prediction
Human-Centric Urban Transit Evaluation and Planning
Dynamic Bike Reposition A Spatio-Temporal Reinforcement Learning Approach
Detecting Vehicle Illegal Parking Events using Sharing Bikes’ Trajectories
DeepCrime Attentive Hierarchical Recurrent Networks for Crime Prediction
Citywide Bike Usage Prediction in a Bike-Sharing System
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
Deep Distributed Fusion Network for Air Quality Prediction
Interactive Bike Lane Planning using Sharing Bikes Trajectories
Real Time Ambulance Redeployment A Data Driven Approach
Flow Prediction in Spatio Temporal Networks Based on Multitask Deep Learning