大數(shù)據(jù)這個(gè)詞我們聽得太多了，可是很少有人意識(shí)到，隨著互聯(lián)網(wǎng)的發(fā)展，今時(shí)今日的這些“大”字究竟已經(jīng)意味著一種什么樣的量級(jí)。除去少數(shù)嘩眾取寵的使用這個(gè)詞的公司外，那些真正擁有大數(shù)據(jù)的企業(yè)，經(jīng)手和處理的都是一些普通人可能窮極一生也接觸不到的數(shù)字：微信朋友圈每天會(huì)上傳10億張圖片，支付寶日交易額峰值超過(guò)200億元人民幣，京東每天上傳幾百萬(wàn)張新的商品信息圖……

這些數(shù)字對(duì)于急需數(shù)據(jù)訓(xùn)練的人工智能算法來(lái)說(shuō)是莫大的好消息。也意味著數(shù)據(jù)對(duì)于人工智能的重要性正在隨著計(jì)算能力、算法的發(fā)展而呈直線上升。但是怎么在浩如煙海的數(shù)據(jù)中篩選出對(duì)我們真正有用的那些？又如何通過(guò)分析這些數(shù)據(jù)做出對(duì)自身有利的決策？這就是數(shù)據(jù)科學(xué)家們做的事了。

本期硬創(chuàng)公開課，我們邀請(qǐng)到了iPIN的首席科學(xué)家潘嶸，他于2004年底獲得中山大學(xué)理學(xué)博士學(xué)位后，分別于2005年2月~2007年8月在香港科技大學(xué)，以及2007年8月~2009年9月在美國(guó)惠普實(shí)驗(yàn)室，進(jìn)行數(shù)據(jù)挖掘、人工智能等方面的研究。2009年10月通過(guò)百人計(jì)劃進(jìn)入中山大學(xué)，任職于計(jì)算機(jī)系。2014年起任iPIN首席科學(xué)家。

潘嶸博士在2005年，參加美國(guó)計(jì)算機(jī)學(xué)會(huì)（ACM） 舉辦的數(shù)據(jù)挖掘國(guó)際比賽（KDDCup：數(shù)據(jù)挖掘方面每年全球最重要的比賽）。當(dāng)年比賽的主題是搜索引擎查詢的分類。最終獲得全部三個(gè)項(xiàng)目（包括查詢分類算法的精確度、性能以及創(chuàng)新性）的第一名。已獲兩項(xiàng)美國(guó)專利授權(quán)。已在相關(guān)領(lǐng)域的國(guó)際一流學(xué)術(shù)會(huì)議、期刊和雜志上發(fā)表超過(guò)二十篇學(xué)術(shù)論文，其中包括Artificial Intelligence, IEEE Transactions on Knowledge Discovery and Data Engineering, ACM Transactions on Information Systems, AAAI, IJCAI, ACM SIGKDD, UAI, ICDM等等。并且是多個(gè)雜志、會(huì)議的審稿人（程序委員），包括IEEE Transactions on Knowledge Discovery and Data Engineering，IEEE/ACM……AAAI，IJCAI，ICDM，WSDM，CIKM，ECML，ACML，BMWT，AAIM，PRICAI，WI，WINE等等。

如果你也想跟我們近萬(wàn)學(xué)霸精英用戶做近距離交流，也想成為我們的產(chǎn)業(yè)界首席科學(xué)家分享嘉賓，請(qǐng)發(fā)郵件至lizongren@leiphone.com

▎學(xué)界

你博士畢業(yè)后，先去了香港科技大學(xué)，你的的核心研究方向是什么？

這里先要感謝我的博士導(dǎo)師李磊教授和姚正安教授，雖然他們?cè)瓉?lái)都不是數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)領(lǐng)域的，但是他們對(duì)我博士研究方向的寬容度和實(shí)際指導(dǎo)都是讓我非常感激的。我的博士研究方向是基于核（Kernel）的機(jī)器學(xué)習(xí)算法的研究。之后，到了香港科大，在楊強(qiáng)老師的指導(dǎo)下，我把核方法運(yùn)用到基于案例推理（Case-based reasoning）。

同時(shí)，我們也在做搜索引擎的查詢分類；并且與NEC公司合作，我們研究了半監(jiān)督的序列關(guān)系學(xué)習(xí)算法并將其應(yīng)用到室內(nèi)無(wú)線定位。其中，查詢分類的問(wèn)題來(lái)自于像Google、百度、Yahoo、微軟這些做搜索引擎的大公司的需求，目標(biāo)是要提升廣告投放的精準(zhǔn)度和搜索結(jié)果的排序質(zhì)量。在港科大的經(jīng)歷，我要感謝楊強(qiáng)教授對(duì)我的指導(dǎo)和幫助，在那段時(shí)間里，鍛煉和提升了我在數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)方面的研究能力，例如：選方向、發(fā)現(xiàn)研究點(diǎn)、論文寫作能力。

后面去了惠普實(shí)驗(yàn)室。因?yàn)槭裁茨玫饺雸?chǎng)券？

很幸運(yùn)的在港科大我們參加了2005 ACM KDDCup比賽并且獲得全部三項(xiàng)的第一。的確對(duì)我的研究方向和成果產(chǎn)生了很大影響，也因此使我在后面獲得了惠普實(shí)驗(yàn)室工作的機(jī)會(huì)。

在惠普實(shí)驗(yàn)室你的核心研究方向是什么？

我到惠普實(shí)驗(yàn)室參與的項(xiàng)目是一個(gè)叫變色龍項(xiàng)目，實(shí)際上是個(gè)性化推薦算法的研究項(xiàng)目，當(dāng)時(shí)還是PC時(shí)代，全球市場(chǎng)中5臺(tái)個(gè)人電腦就有一臺(tái)是HP生產(chǎn)的，在美國(guó)，這個(gè)份額更加是1/4，只要在用戶許可的情況下，就跟今天的移動(dòng)互聯(lián)網(wǎng)類似，HP是可以收集到用戶在PC上的各種行為數(shù)據(jù)，然后為用戶提供個(gè)性化推薦服務(wù)，從而更好的提升用戶體驗(yàn)，在當(dāng)時(shí)，推薦系統(tǒng)算法使用的數(shù)據(jù)主要是用戶打分?jǐn)?shù)據(jù)，也就是說(shuō)，用戶在消費(fèi)完某個(gè)產(chǎn)品或服務(wù)后，打了評(píng)分，推薦系統(tǒng)才能比較的有效工作。在我參與變色龍項(xiàng)目的過(guò)程中，我們發(fā)現(xiàn)大部分用戶行為都缺少打分這個(gè)過(guò)程，這其實(shí)也很合理，很多人消費(fèi)或體驗(yàn)完也不一定會(huì)打分，所以我提出來(lái)如何在沒(méi)有用戶打分的情況下，照樣能做推薦，后來(lái)我提出了One-Class Collaborative Filtering (OCCF) 算法，發(fā)表在ICDM’08上，之后為了解決計(jì)算效率的問(wèn)題，我又提出了新的OCCF的加速算法，被KDD’09接受了。

在惠普實(shí)驗(yàn)室工作的經(jīng)歷進(jìn)一步加強(qiáng)了我進(jìn)入相對(duì)陌生研究領(lǐng)域的能力和信心，包括：解決應(yīng)用問(wèn)題的能力、數(shù)學(xué)基礎(chǔ)、算法分析能力、工程能力。

為什么當(dāng)時(shí)從惠普回來(lái)后又選擇去學(xué)校任教？

一個(gè)是我自己個(gè)性的原因：喜歡獨(dú)立、有自主性的做研究，也不喜歡處理復(fù)雜人際關(guān)系。另外一個(gè)是家庭和工作地點(diǎn)的原因，還有就是中山大學(xué)的寬松、自由的學(xué)術(shù)氣氛，良好的研究條件和環(huán)境，學(xué)生也非常的優(yōu)秀。

在中大任教的經(jīng)歷對(duì)iPIN首席科學(xué)家的工作有什么影響和幫助？

回到中山大學(xué)后，結(jié)合我過(guò)往在港科大和HP實(shí)驗(yàn)室的工作經(jīng)歷，我實(shí)驗(yàn)室的研究主要研究方向協(xié)同過(guò)濾、信息檢、自然語(yǔ)言處理等。幾年下來(lái)，使得我在相關(guān)領(lǐng)域的研究經(jīng)驗(yàn)有進(jìn)一步的積累，同時(shí)，我在挑選和培養(yǎng)學(xué)生方面也積累了一定的經(jīng)驗(yàn)。還記得我剛進(jìn)入研究生階段，我的導(dǎo)師姚正安教授就跟我們說(shuō)這樣一句話，“沒(méi)有不好的學(xué)生，只有不好的老師”。

當(dāng)時(shí)我覺得姚老師怎么這么敢說(shuō)，不過(guò)的確他對(duì)我的幫助非常的大，同時(shí)我們的博士同學(xué)的研究方向的確也不太一樣，姚老師的話我一直記得，到我自己當(dāng)老師的時(shí)候也用他的這句話來(lái)要求自己，恰好，我是做個(gè)性化算法研究的，因此，我希望盡量做到因材施教，這鍛煉我的人才培養(yǎng)方面的能力。

在中山大學(xué)，我主要講數(shù)據(jù)庫(kù)、數(shù)據(jù)挖掘、信息檢索等課程，結(jié)合自己的研究方向，每年我都希望在一些課程里添加一些新的內(nèi)容，希望讓同學(xué)們了解到比較前沿的知識(shí)，同時(shí)也有利于我梳理自己的研究。

▎產(chǎn)界

顏水城這樣的學(xué)術(shù)大牛在談到自己剛從學(xué)界轉(zhuǎn)到工業(yè)界時(shí)都不免感到忐忑，您2014年時(shí)投入工業(yè)界，成為一家創(chuàng)業(yè)公司的CDO，決心來(lái)自于哪里？

其實(shí)我自己也同樣忐忑，不過(guò)由于我自己前面一些經(jīng)歷的緣故，喜歡解決實(shí)際應(yīng)用問(wèn)題，或者說(shuō)以解決實(shí)際問(wèn)題為導(dǎo)向。另外，在目前的大環(huán)境下，大學(xué)里碰到的現(xiàn)實(shí)問(wèn)題是工業(yè)界才有真實(shí)的大數(shù)據(jù)和更加真實(shí)的應(yīng)用問(wèn)題。

您第一次覺得可以勝任產(chǎn)業(yè)界首席科學(xué)家這個(gè)Title是什么時(shí)候？因?yàn)槟膫€(gè)標(biāo)志性事件？

說(shuō)實(shí)話，我不覺得我勝任這個(gè)title，或許這個(gè)問(wèn)題應(yīng)該由我的partner或者將來(lái)再說(shuō)，謝謝！

在學(xué)術(shù)界做和產(chǎn)業(yè)界做，具體哪里不一樣？哪里一樣？

我目前的方向是數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、自然語(yǔ)言處理，嚴(yán)重依賴大規(guī)模數(shù)據(jù)。在問(wèn)題提出的方面，工業(yè)界更實(shí)際、更直接；學(xué)術(shù)界則更注重基礎(chǔ)研究。

在問(wèn)題解決的方面：工業(yè)界更多的會(huì)關(guān)注解決方案的成本與效果之間要取得好的平衡。學(xué)術(shù)界更多的會(huì)在算法的創(chuàng)新方面。

從學(xué)術(shù)里的青年科學(xué)家到創(chuàng)業(yè)公司首席科學(xué)家，成長(zhǎng)過(guò)程中有遇到什么困難沒(méi)？

其實(shí)并不一定是叫成長(zhǎng)過(guò)程，可能是如何適應(yīng)角色的轉(zhuǎn)變。

首先是要有好的合作伙伴，必須在人品、價(jià)值觀取得比較一致的看法，同時(shí)角色上要有互補(bǔ)。另外，在大學(xué)里，主要是培養(yǎng)人才，輸送給社會(huì)。比如在iPIN，組建團(tuán)隊(duì)是核心要?jiǎng)?wù)，必須同時(shí)抓人才選拔和人才培養(yǎng)兩個(gè)方面。同時(shí)，上面也說(shuō)到了，企業(yè)是非常注重成本的（包括：金錢、人力、時(shí)間），你的任務(wù)就不是僅僅為了發(fā)paper，更重要是考慮你的解決方案是否可以落地，如何落地的問(wèn)題。

一個(gè)真正的公司，對(duì)于一個(gè)首席科學(xué)家的要求是怎樣的？

我目前是達(dá)不到的，我覺得首先是個(gè)人學(xué)術(shù)水平要有足夠的深度和廣度。同時(shí)要不斷的學(xué)習(xí)，能理解實(shí)際的應(yīng)用問(wèn)題。并能夠轉(zhuǎn)化為機(jī)器學(xué)習(xí)的問(wèn)題，提出、篩選各種解決問(wèn)題的方案，還要了解學(xué)術(shù)界、工業(yè)界發(fā)展趨勢(shì)，洞察未來(lái)的研究、技術(shù)發(fā)展方向，有自己的判斷力，提前布局。

作為大數(shù)據(jù)方向的研究者，選擇產(chǎn)業(yè)落地方向時(shí)如何下手？ 

首先我想簡(jiǎn)單介紹一下iPIN的幾個(gè)產(chǎn)品：

完美志愿，HaoHR和羅盤。完美志愿是一款能為高考生量身定制志愿方案、提前了解就業(yè)前景的高考志愿填報(bào)應(yīng)用。通過(guò)分析過(guò)去4000萬(wàn)大學(xué)生使用獨(dú)家數(shù)據(jù)庫(kù)及創(chuàng)新算法，幫助考生更科學(xué)更高效地選擇合適的大學(xué)和專業(yè)。

haoHR是一款全智能匹配更多合適簡(jiǎn)歷，釋放HR簡(jiǎn)歷甄選工作的產(chǎn)品。利用語(yǔ)義分析解讀職位需求智能人才畫像，幫助HR在短時(shí)間找到更多與職位描述相似經(jīng)驗(yàn)的人才。從而簡(jiǎn)化HR簡(jiǎn)歷尋找和甄選工作，讓HR把時(shí)間花在更有價(jià)值的工作上。

羅盤是一款根據(jù)用戶工作經(jīng)歷自動(dòng)匹配機(jī)會(huì)并進(jìn)行職業(yè)規(guī)劃的產(chǎn)品。通過(guò)人工智能語(yǔ)義分析技術(shù)深度解讀求職者過(guò)往經(jīng)歷，全面、精準(zhǔn)、快速地幫助求職者找到更多更好的工作機(jī)會(huì)。利用大數(shù)據(jù)分析上億人職業(yè)歷程及市場(chǎng)趨勢(shì)，及時(shí)、省心地幫助求職者做出職業(yè)方向決策判斷

以上就是這三款產(chǎn)品，其實(shí)，這幾款產(chǎn)品雖然在產(chǎn)品形態(tài)上很不一樣，但是它們的內(nèi)核都是職場(chǎng)人才數(shù)據(jù)的分析與挖掘，在2013年，我們就確定了利用人才大數(shù)據(jù)，構(gòu)建首張中國(guó)經(jīng)濟(jì)圖譜。并在2014年初步完后，之后我們才不斷研發(fā)相關(guān)的產(chǎn)品，例如以上的例子。

請(qǐng)以一個(gè)具體例子舉例，數(shù)據(jù)挖掘做到何種程度，才能真正產(chǎn)生價(jià)值？————這些數(shù)據(jù)如何經(jīng)過(guò)采集、聚合、構(gòu)架，到機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、復(fù)雜數(shù)據(jù)分析、預(yù)測(cè)模型、大規(guī)模運(yùn)算、可視化、數(shù)據(jù)應(yīng)用等步驟成為最終用戶覺得有價(jià)值的數(shù)據(jù)。

我具體說(shuō)說(shuō)完美志愿，它是2015年最多人使用的高考志愿填報(bào)工具，能量身定制志愿方案、提前了解全國(guó)2500多所大學(xué)10萬(wàn)多個(gè)院系的詳細(xì)就業(yè)信息，被諸多用戶稱為高考志愿神器。完美志愿由人工智能公司iPIN的科學(xué)家團(tuán)隊(duì)傾力打造，采用志愿填報(bào)黃金法則，采取“錄取概率預(yù)測(cè)-個(gè)人偏好篩選-性格職業(yè)匹配-就業(yè)前景分析-志愿策略選擇”五個(gè)步驟，這五個(gè)方面是我們根據(jù)用戶調(diào)研情況進(jìn)行分析后得到的用戶真正的需求，實(shí)現(xiàn)這些，完美志愿這個(gè)產(chǎn)品才能幫助高考學(xué)生和家長(zhǎng)更科學(xué)更合理地選擇志愿，真正做到為夢(mèng)想導(dǎo)航。

是一套方法論通用還是有一些獨(dú)家心得？

首先，自己要熟悉或有類似經(jīng)驗(yàn)，要有相關(guān)的數(shù)據(jù)、有市場(chǎng)、競(jìng)爭(zhēng)程度適中（教育市場(chǎng)和市場(chǎng)競(jìng)爭(zhēng)都要有很大的代價(jià)），要學(xué)會(huì)順勢(shì)而為，因?yàn)樵趯?shí)際創(chuàng)業(yè)的過(guò)程中有偶然因素、要會(huì)變通。

學(xué)生提問(wèn)：怎么想出來(lái)某個(gè)算法的。我常?？凑撐臅?huì)發(fā)現(xiàn)一些很巧妙的算法，除了考慮算法的應(yīng)用場(chǎng)景之外，更想知道一個(gè)算法怎么誕生的？

其實(shí)這是個(gè)可能很長(zhǎng)的過(guò)程，我們常說(shuō)站在巨人的肩膀上邁出一小步。首先，我們要爬上巨人的肩膀，爬得上去，邁一小步才有意義。所以我們要了解某個(gè)（或某些）領(lǐng)域過(guò)往的工作，領(lǐng)域內(nèi)的主要的、有影響力的研究人員有哪些。頂級(jí)的會(huì)議、期刊有哪些，現(xiàn)在互聯(lián)網(wǎng)這么發(fā)達(dá)，了解這些應(yīng)該不是太難。這里頭過(guò)去的大量的書籍、文獻(xiàn)需要我們?nèi)ラ喿x、吸收、消化的。

這個(gè)過(guò)程中涉及到選方向、發(fā)現(xiàn)研究點(diǎn)（或問(wèn)題），這可以在大量的論文閱讀中訓(xùn)練這方面的能力，你不但要學(xué)習(xí)到文獻(xiàn)中的優(yōu)點(diǎn)的部分，同時(shí)自己要習(xí)慣質(zhì)疑，論文中有哪些假設(shè)不合適，哪些算法有改進(jìn)空間

另外，在這個(gè)過(guò)程中也應(yīng)該結(jié)合實(shí)際的應(yīng)用提出你具體的研究問(wèn)題，發(fā)現(xiàn)問(wèn)題后（等于是爬上巨人的肩膀，準(zhǔn)備邁出一小步了）。通常我們認(rèn)為提出解決算法并驗(yàn)證算法有效性的這個(gè)過(guò)程相對(duì)而言是比較容易的，當(dāng)然，這里頭涉及到很多細(xì)節(jié)，就不展開了，有興趣的話，可以參考Eamonn Keogh 2012年在KDD上的關(guān)于如何做數(shù)據(jù)挖掘研究的tutorial。

學(xué)生提問(wèn)：數(shù)據(jù)挖掘目前不是一個(gè)定義清晰的學(xué)科，如果選了這個(gè)方向，應(yīng)該必修什么課程？選修什么課程？

必修：（前置課程有程序設(shè)計(jì)、數(shù)據(jù)結(jié)構(gòu)與算法、組成原理、計(jì)算機(jī)網(wǎng)絡(luò)等）數(shù)據(jù)庫(kù)、概率與統(tǒng)計(jì)、機(jī)器學(xué)習(xí)與模式識(shí)別。

選修：GPU/并行計(jì)算、數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)可視化、深度學(xué)習(xí)、商業(yè)智能（BI）、群體智能（CI），一些面向不同應(yīng)用領(lǐng)域的課程，例如：信息檢索、NLP、語(yǔ)音、圖像方面。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。