每周三期，深入解析人工智能解决方案，拉近您与AI的距离

我们的解决方案均精选自机器之心Pro行业数据库。

方案1：全球人口分布及密度系统

方案概述：

此系统利用深度学习技术分析卫星图像，目标是制作全球人口分布图，辅助无人机项目的推进，让更多人能够连接互联网。通过大约8000张印度上空拍摄的图像训练模型，该神经网络能够识别其他国家图片中的人类居住痕迹。

详细说明：

目前，该系统已经分析了覆盖全球2160万平方公里土地的1560万张图片。自然物体识别的错误率低于10%。未来计划结合其他数据，生成精确的人口密度系统。

该项目由Facebook工程师兼光学物理学家Tobias Tiecke及Facebook Connectivity Lab负责人Yael Maguire共同领导。

研究团队仅需判断样本图片中是否存在人类居住迹象，并进行标注，然后将标注图像用于训练神经网络，只需做出“是”或“否”的二元选择。经过训练，系统能够自动分析地表卫星图像，识别自然物体的痕迹，并结合普查数据生成人口密度图。

方案2：大数据清理软件服务

方案概述：

这是一个自动化的数据清理平台，可以创建适用于多种平台（包括传统关系数据库和Hadoop集群）的接口。Trifacta能够生成可在多种数据存储和处理系统上运行的SQL查询或MapReduce代码。

该平台在设计时充分考虑用户体验，使数据科学家能够从繁琐的数据清理工作中解脱出来，数据分析师可以专注于数据分析，而不必构建复杂的管道来清理数据和将其导入数据仓库。它是首家成功结合后端数据技术和直观前端用户可视化界面的大数据公司。

详细说明：

Trifacta通过自动化采样大数据集，使用可视化方法帮助分析师快速发现有趣模式。平台运用机器学习算法为信息重组和整理提供建议。分析师可以将数据集分为逻辑部分，并逐步规范化，最终形成半结构化的数据集。

Trifacta拥有超过50个企业用户，包括思科、GoPro、Juniper、Kaiser Permanente、McKesson、百事公司、辉瑞制药公司和宝洁公司等知名企业。收费依据机构数据量，价格区间在10万至15万美元之间。2015年10月，Trifacta推出了收费的简化版软件，目前已有超过5000名用户遍布全球105个国家的3000多家公司。

方案3：智能试衣间

方案概述：

智能试衣间通过配备触摸屏的镜子和灯光调节功能，帮助用户找到适合自身尺寸、颜色和使用场景的服装。主要目标是通过智能化手段和亲身体验，提升线下实体店的服务质量，创造线下服务相对于线上电商的独特竞争优势。

详细说明：

顾客进入商店后，可以通过镜子浏览店内所有商品，并提交试穿请求。衣物会被导购员放置在试衣间内。顾客可以调节灯光亮度和颜色以模拟实际使用场景。镜子感应衣服上的RFID标签并在屏幕上显示相关信息，同时提供搭配建议。

若需要试穿其他颜色或尺码的衣物，顾客可以通过屏幕向导购员发出指令。当顾客试穿满意后，可以在镜子上通过PayPal支付，并保存试穿记录。试衣间还装有Kinect传感器，可以记录顾客的动作。

方案4：恶意软件防护软件—CylancePROTECT系列

方案概述：

现有的网络威胁旨在绕过现有防护措施，传统的预检测手段难以提供足够的安全保障。该公司采用数学模型评估每个文件的风险因素，并通过机器学习算法区分“好”文件和“坏”文件。通过扩展的大数据架构，识别文件模式。

详细说明：

机器学习过程分为四个阶段：收集、提取、学习和分类。 1. 收集阶段需要手动训练，文件被划分为已知有效、已知恶意和未知三类，分类准确性至关重要； 2. 提取阶段运用机器计算能力和数据处理技术，识别文件的特征集。根据文件类型（如.exe、.dll、.pdf等）提取文件的唯一特征，消除手动分类带来的偏差； 3. 学习阶段收集的属性经过归一化处理，通过矢量化和机器学习算法排除无关特征，加速分析速度； 4. 分类阶段基于统计模型的文件风险因素进行判断，为用户提供可信度分析，实现优化。

方案5：数据建模平台—DataBrain

方案概述：

DataBrain数据建模平台集成机器学习技术，根据其数据分析服务体系，构建数据科学工作流，帮助数据分析师、数据工程师和业务分析师提升建模能力。该平台提供适用于信用风控、精准营销、个性化推荐、定投策略、客户分群等多种模型，助力银行和金融机构管理业务，提高运营效率。

详细说明：

DataBrain数据分析流程分为七个步骤： 1. 问题定义：选择适合用数据模型解决的问题，将业务问题转化为数据科学问题； 2. 数据准备：从多个数据源抽取关键数据，并进行清洗、处理和加工； 3. 算法调优：选择适用于特定数据的算法，自动寻找最优参数，建立高效数据模型； 4. 知识发现：将数据模型转化为决策依据，从数据中挖掘业务之外的新知识； 5. 效果分析：基于不同的评估标准分析模型效果，评价模型的业务价值； 6. 在线部署：确保模型与业务系统的无缝对接，从海量数据中自动学习； 7. 模型更新：监控模型稳定性、效果和逻辑变化，持续收集反馈数据，更新模型。

平台内置了自动化调参机器人Atom，能够自动搜索不同算法的最优参数组合，提高调参效率。Atom通过分布式计算将任务分发到多台计算节点，缩短计算时间，并实时监控模型效果进行迭代。此外，平台可以从多个数据源自动提取数据特征，将分析结果转化为业务知识，为客户提供决策依据。