研究方向
  • 机器学习

研发大规模数据分析,深度学习模型构建及大规模模型训练技术,解决数据驱动的智能化问题。

  • 运筹优化

研发优化复杂系统的技术,解决现实中的复杂决策问题,如优化库存、计算、流量等资源的配置问题等。


产品及应用
  • MindOpt 优化求解器

    MindOpt优化求解器是针对解决运筹优化类问题的求解器,包含线性规划、混合整数规划、非线性规划、黑盒优化、在线优化等通用优化求解器能力,并提供优化求解器在不同行业内的数学建模和应用的解决方案案例。目前已经面向社会发布线性规划求解器,并参与国际榜单测评,得到世界领先的成绩。

  • “达灵”计算资源优化

    达灵系统是针对计算基础设施的智能化解决方案,通过与计算资源管理系统的有效结合,使用机器学习和运筹优化技术实现更为优化的计算资源使用方案,从而提升计算基础设施的稳定性和利用率。

    达灵解决方案包括以下功能模块:

    1)智能运维,如异常检测预警和预测维保;
    2)应用画像,如使用量预测和干扰检测等;
    3)调度控制,如资源最优编排、在线调度、批量调度、重调度、负载均衡、弹性伸缩方案等;
    4)资源规划,如资源容量规划、基础设施规划及推演。 2017年双11,存储调度将资源使用降低25%,资源峰值水位降低30%;集群调度将CPU分配率从70% 拉升至并维持在90%。

  • “龙灵”零售个性化流量优化

    龙灵系统是通过分析行为构建行为表征,利用在线决策的流量进行个性化、以及流量确定性的优化处理,形成智能化的流量技术。其广泛应用于各类泛零售业务,例如天猫、优酷、盒马和闲鱼等业务;其中线上运营决策系统在天猫双11发挥重要作用,调用量超过6亿次/日。


研究团队
许欢达摩院决策智能实验室资深算法专家

加拿大麦吉尔大学电子工程系博士。曾任新加坡国立大学副教授,佐治亚理工大学助理教授。研究领域为机器学习、运筹学、马可夫决策过程与强化学习、优化、高维统计等。发表顶级会议论文近百篇,引用近三千次,曾任NIPS领域主席。

谭剑达摩院决策智能实验室资深算法专家

哥伦比亚大学电子与计算机系博士,俄亥俄州立大学电子与计算机系助理教授,IBM沃森实验室研究员。研究领域为随机过程,统计算法,分布式计算系统。多次获得国际会议最佳论文奖;行业顶级会议sigmetrics 2019年出版主席;获得美国自然科学基金支持,发表50多篇论文。

张京桥达摩院决策智能实验室资深算法专家

美国伦斯勒理工学院博士,曾任亚马逊Alexa Device部门应用研究资深经理,负责Echo Alexa产品个性化推荐,此前从事电商供应链优化及精准营销等领域的算法研究和应用工作。博士研究方向为遗传优化和模式识别,期间发表一篇学术专著及十余篇论文,被引用一千多次。18年起加入决策智能实验室,目前聚焦于大数据场景下的深度自监督表征学习的研究与开发。

杨程达摩院决策智能实验室资深算法专家

10余年机器学习、数据挖掘等经验,曾负责搜索推荐、智能营销、供应链优化等商业化算法,多次参与双11等极端环境下的大规模实时机器学习项目,目前关注新零售场景中的在线学习、动态优化等智能决策研究。

孙亮达摩院决策智能实验室高级算法专家

达摩院决策智能实验室高级算法专家,拥有亚利桑那州立大学计算机科学博士学位,曾任微软Azure机器学习部门高级数据科学家。研究领域为异常检测、下钻归因、资源优化等算法等以及在智能运维、资损防控中的应用。在机器学习、数据挖掘领域的顶尖国际期刊和国际会议上发表论文近30篇,著有机器学习英文专著1部,中文专著1部。


学术成果
论文
  • Qingsong Wen, Zhengzhi Ma, and Liang Sun, "On Robust Variance Filtering and Change Of Variance Detection," accepted for Oral Presentation, in Proc. of IEEE 45th International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2020), Barcelona, Spain, May 2020. Oral paper.
  • Qingsong Wen, Zhe Zhang, Yan Li and Liang Sun, "Fast RobustSTL: Efficient and Robust Seasonal-Trend Decomposition for Time Series with Complex Patterns," in Proc. of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining (KDD 2020), San Diego, CA, Aug. 2020
  • Yifei Zhao, Yu-Hang Zhou, Mingdong Ou, Huan Xu, Nan Li: Maximizing Cumulative User Engagement in Sequential Recommendation: An Online Optimization Perspective. KDD 2020: 2784-2792
  • Guillermo Gallego, Anran Li, Van-Anh Truong, and Xinshang Wang. 2020. “Approximation Algorithms for Product Framing and Pricing.” Operations Research 68 (1): 134-60.
  • Rong Jin, David Simchi-Levi, Li Wang, Xinshang Wang, and Sen Yang. 2019. “Shrinking the Upper Confidence Bound: A Dynamic Product Selection Problem for Urban Warehouses.” SSRN Electronic Journal.
  • David Simchi-Levi, Rui Sun, and Xinshang Wang. 2019. “Online Matching with Bayesian Rewards.” SSRN Electronic Journal.
  • Zhao Kui, Junhao Hua, Ling Yan, Qi Zhang, Huan Xu, and Cheng Yang. "A Unified Framework for Marketing Budget Allocation." In Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining, pp. 1820-1830. 2019.
  • Yi Peng, Miao Xie, Jiahao Liu, Xuying Meng, Nan Li, Cheng Yang, Tao Yao. A Practical Semi-Parametric Contextual Bandit. International Joint Conference on Artificial Intelligence 2019 (IJCAI)
  • Mingdong Ou, Nan Li, Cheng Yang, Shenghuo Zhu, and Rong Jin. Semi-parametric sampling for stochasitc bandits with many arms. In Proc. of AAAI Conference on Artificial Intelligence 2019 (AAAI)
  • Yu-Hang Zhou, Chen Liang, Nan Li, Cheng Yang, Shenghuo Zhu, Rong Jin. Robust Online Matching with User Arrival Distribution Drift. In Proc. of AAAI Conference on Artificial Intelligence 2019 (AAAI)
  • Qingsong Wen, Jingkun Gao, Xiaomin Song, Liang Sun, Huan Xu, Shenghuo Zhu. "RobustSTL: A Robust Seasonal-Trend Decomposition Algorithm for Long Time Series," in Proc. of the 33rd AAAI Conference on Artificial Intelligence (AAAI 2019), 2019, pp. 5409-5416, Honolulu, Hawaii, Jan. 2019. Oral paper.
  • Qingsong Wen, Jingkun Gao, Xiaomin Song, Liang Sun, Jian Tan. "RobustTrend: A Huber Loss with a Combined First and Second Order Difference Regularization for Time Series Trend Filtering," in Proc. of the 28th International Joint Conference on Artificial Intelligence (IJCAI 2019), pp. 3856-3862, Macao, China, Aug. 2019. Oral paper.
  • Cong Leng, Hao Li, Shenghuo Zhu, Rong Jin. Extremely Low Bit Neural Network: Squeeze the Last Bit Out with ADMM. In: Proceedings of the 32rd AAAI Conference on Artificial Intelligence (AAAI, 18), New Orleans, LA, 2018.
  • Ao Zhang, Nan Li, Jian Pu, Jun Wang, Junchi Yan, Hongyuan Zha. tau-FPL: Tolerance-Constrained Learning in Linear Time. In: Proceedings of the 32rd AAAI Conference on Artificial Intelligence (AAAI, 18), New Orleans, LA, 2018.
  • Qi Qian, Jisheng Tang, Hao Li, Shenghuo Zhu and Rong Jin. Large-scale Distance Metric Learning with Uncertainty. In: Proceedings of the 31th IEEE Conference on Computer Vision and Pattern Recognition (CVPR, 18), Salt Lake City, UT, 2018.
  • Mingdong Ou, Nan Li, Shenghuo Zhu, Rong Jin. Multinomial Logit Bandit with Linear Utility Functions. In: Proceedings of the 27th International Joint Conference on Artificial Intelligence (IJCAI, 18), 2018.
  • Yang Yu, Wei-Yang Qu, Nan Li, and Zimin Guo. Open category classification by adversarial sample generation. In: Proceedings of the 26th International Joint Conference on Artificial Intelligence (IJCAI, 17), Melbourne, Australia, 2017.
展开更多

扫描二维码
关注阿里技术微信公众号