内容介绍

直播内容

在当下这个大数据无处不在的时代,如何高效精确地对海量数据进行处理和分析,是摆在各行业头部企业与软件开发团队面前的重大挑战。深度学习的广泛应用,推动了传统数据搜索变革的发生。传统搜索多采用关键词等确定性的检索方法,更强调相关性的发现。而 AI 的应用加强了对非结构化数据(如语音、语言、图片、视频等)的处理能力,让搜索从原来的单模态转为多模态,从关键词检索转为向量化检索,从确定性转为相似性检索。向量检索是一个值得关注的新兴技术领域,而达摩院自研的向量检索引擎 Proxima 也已经成为阿里巴巴许多重要业务(如:淘宝推荐、优酷视频搜索、城市大脑等)背后的搜索技术支撑。

面向海量数据的搜索技术如何演进至今?向量检索技术为什么被需要?该领域现有的主流工具各有哪些优缺点?本期大咖说分享,我们邀请到了阿里巴巴达摩院资深技术专家肖允锋 (鹤冲),他将与我们分享向量检索领域的现状、挑战和未来发展方向,并通过对比当前向量检索领域已有的工具,阐述如何进行技术方案选型。

直播大纲

大数据搜索技术的发展脉络。
向量检索技术的现状和面临的挑战。
主流向量检索技术方案对比和选型建议。
未来大数据搜索技术的发展方向是什么?

听众受益

开拓新思路,了解如何用新方法解决传统搜索问题。
了解目前向量检索技术面临的挑战,以及与大数据结合的未来展望。

适合人群

大数据处理、算法、搜索推荐相关领域开发者。
对深度学习、搜索和推荐、向量检索技术感兴趣的同学。

讲师介绍:

肖允锋 (鹤冲) 阿里巴巴达摩院 资深技术专家。毕业于中山大学物理系,曾就职于电信研究院和腾讯科技,从事大数据搜索技术相关研究和应用十余载,是阿里巴巴达摩院 Proxima AI 检索引擎的总设计者和技术带头人。目前,Proxima 相关技术广泛应用于阿里巴巴和蚂蚁金服各大业务,算法和工程在业内具有一定的领先性。

评论

发布
暂无评论