編輯 | Katerina Donna
潤色 | 鴿子
11月6日， 由京東金融與紅杉資本聯合主辦的首屆“JDD-2017京東金融全球資料探索者大會”在751大罐舉行， 同時， 大會宣佈首屆“JDD-2017京東金融全球資料探索者大賽”也於今日開始，
為了這個大賽， 京東金融真是不惜下了血本了。
首先是京東的當家掌櫃也親自來給大會月臺。 京東集團董事局主席兼首席執行官劉強東在會上特別說到：“隨著公司不斷做大， 我們在行業內做的越來越深入， 無論是從全球範圍還是從整個國家來看， 我們都確實需要一個龐大的生態體系， 只有這樣整個行業才能逐步健康和健全起來。 正是基於企業壯大後， 做開放的生態系統的心態， 京東金融攜手紅杉資本舉辦了此次JDD大賽。 ”
在東哥的演講中， 請注意他提到的生態體系。 換句話說， 京東如今的體量， 它要做的不是某項具體的業務， 而是要專注於賦能，
“科技賦能”， 劉強東說到， “在這個時代， AI既是一種技術， 也是一種思考方式。 ”
結合到本次比賽， AI正是劉強東當下最重要的內功， 那麼很自然， 選拔AI人才必須是件刻不容緩的重要事兒。
JDD大賽到底玩什麼？
於是， 結合京東最緊要的業務， 一場關於AI人才選拔賽拉開了。 這次比賽規格相對比較高， 同時中美兩地進行。
由於金融業務是京東未來最大的發力點， 因此， 此次比賽主要瞄準金融業務， 涉及四大選題：
登陸行為識別
店鋪銷量預測
信貸需求評估
豬臉識別
大賽將選手劃分為兩個組別， 分別是商業組和演算法組。
為了更好地輔導選手， 本次大賽引入了導師制。 導師將為選手提供48小時貼身輔導。
其中， 商業組總決賽導師分別為：
登陸行為識別的導師——TalkingData首席執行官 崔曉波
店鋪銷量預測的導師——紅杉資本中國基金專家合夥人 車品覺
信貸需求評估的導師——微軟亞洲研究院城市計算領域負責人、美國電腦學會傑出科學家 鄭宇
豬臉識別的導師——國際人工智慧聯合理事會主席、香港科技大學電腦科學及工程學系主任 楊強
此外， 大賽的評委包括：
陳生強——京東金融CEO
侯曉天——天灝資本首席執行官
胡瑩——中國銀聯助理總裁
馬甯——領渢資本創始合夥人
沈南鵬——紅杉資本全球執行合夥人
唐傑——清華大學電腦科學與技術系副教授、系科研辦公室主任
衛哲——嘉禦基金創始合夥人兼董事長
周濤——電子科技大學 互聯網科學中心主任
周煒——創世夥伴資本創始主管合夥人
不得不提的是本次大賽的獎金：上個圖先
其中，商業組冠軍1名，獎金30萬，演算法組冠軍共4名，每名獲得30萬獎金。
30萬啊，這可是國內人工智慧大賽單項最高獎金紀錄，除獎金外，獲勝團隊有望對接到相應的投資。
值得一提的是，本次JDD大賽中一道關於“豬臉識別”的賽題，真是別具一格，來看看這具體是一道怎樣的別致賽題：
別具一格的賽題——豬臉識別
說到“豬臉識別”，還要從一個故事引入。話說，家住北京周邊的養豬專業戶老張最近遇到了一個難題，經過多年的辛苦勞動以及經營，他家的養豬場規模也是越來越大，豬的數量從原來的幾頭發展到現在的上百頭。
看著這麼多的肥豬，老張心裡美滋滋。可是伴隨著豬對的數量增長，讓人發愁的事情也隨之而來。這些豬的體型都很相近，老張想要清晰的分辨出每頭豬變得越來越困難。
可是，為了瞭解每頭豬的狀態，他又必須得認清每一頭豬，此豬而非彼諸。
怎麼辦呢？
要分辯不同的人，有人臉識別；同理，要認清不同的豬，就整個豬臉識別唄！（豬也是這麼想的）
那京東為什麼花大力氣來做這個賽題呢？它能得到什麼好處？
在JDD-2017 京東金融全球資料探索者大會上，國際人工智慧聯合會理事會主席、香港科技大學電腦科學及工程學系主任楊強對於“豬臉識別”是這麼看的，“首先我們可以獲取大量資料，而不用擔心隱私問題，我們想豬可能不太關心隱私。此外，這涉及到一個活體識別的問題，背後確實存在一個商業場景的問題。”
也就是說，好處有三：
第一，隱私的問題將不存在；
第二，可以更好地研究活體識別；
第三，沒准能將此經驗複製到其他場景。
那麼，其中的經驗到底還可以應用於哪些場景呢？關於這個問題，營長目前還沒有得到滿意的答案。
通過豬臉識別，養豬戶老張能得到什麼好處呢？
楊強提到，AI能輕鬆地幫他鑒別出，不同的豬只在養殖過程中的各種活動，於是，老張能看到這個豬是不是活躍，是不是萎靡，如果是一隻非常不愛動的豬，就可以在一定程度上對它的健康作決策，繼而保險就可以做出相關預測。
再者，消費者可能喜歡不同類型的豬肉，這又是對豬的鑒別衍生出的個別化需求。
別看它就是一隻豬，這其中可既有深度學習的應用，又有商業應用，既有趣，又極有未來潛力。
想來認豬嗎？今天就可以報名啦。
官方消息顯示，自11月6日開始，參賽團隊就可以通過“JDD—2017京東金融全球資料探索者大賽”官網進行報名。
本著體貼周到服務讀者的原則，營長在此將比賽有關的所有重要資訊，包括所有賽題的背景及相關重要資訊羅列如下，希望對你有所幫助。
比賽詳細資訊
比賽日程（重要的時間節點請注意）
11.06-11.20——報名。參賽選手通過「JDD—2017京東金融全球資料探索者大賽」官網進行報名 報名成功後即可進入選拔賽。
11.09-12.12——選拔賽 。根據賽題通過機器評分選出16名參賽選手入總決賽
12.15-12.17——總決賽。16名進入總決賽的選手線下封閉48小時（通過相關材料、資料的提交以及現場展示等環節，分數由評委打分綜合決定，選出冠亞季軍， H5投票現場截止，投票最高者獲得最具網路人氣獎。）
評審標準
選拔賽——通過機器評分選出TOP16
總決賽——由評委根據demo和BP打分排名，打分標準為技術（20%）、創新性（30%）、商業價值（20%）、潛在市場（20%）、現場表現（10%）
網路人氣獎——由H5投票最高者獲得。
關於“豬臉識別”題目的其他問題
本賽題需要參賽者設計一個演算法，能夠通過豬的照片來正確的辨別每一頭豬的身份。訓練資料訓練資料包含30頭豬的視頻素材，每頭豬對應一個檔，時長約1分鐘，檔案名即為豬的編號。參賽者需自行決定如何從視頻中獲取圖像資料。
評測資料測試資料為30頭豬的照片3000張，參賽者需要用演算法來區分這些照片上的豬的身份，即預測每張照片屬於每個類別（豬）的概率。本賽題AB榜評測資料各包含3000張照片，B榜照片的下載將在B榜開放當天掛出來。
根據參賽者提交的圖片分類概率，按如下公式計算得到分數，其中N為測試圖片的數量，M為分類的數量，pij 為預測圖像i是第j頭豬的概率，為防止出現計算異常，計算時會將p替換為max(min(p,1-10-15),10-15)，yij 為圖像i的真實分類，即如果圖像i是第j頭豬，則y=1，否則y=0：提交要求提交的資料檔案應為csv文本，英文逗號分隔，無BOM的utf8編碼，不包含列名。檔中只包含三列：圖片號（id），豬的類別（pig_id），分類概率，必須包含測試集中每張圖片屬於每個分類的概率。
關於信貸需求預測的賽題
通常來說，開展信貸業務不僅需要評估客戶的風險水準，還需要對客戶的借款需求進行預測，做好資金額度與需求的匹配才能提高資金利用率，降低成本並增加收益，因此預測用戶的信貸需求是金條產品運營的核心問題之一。
該賽題需要通過競賽資料中的使用者基本資訊、在移動端的行為資料、購物記錄和歷史借貸資訊來建立預測模型，對未來一個月內用戶的借款總金額進行預測。
其中包含了各種維度的序列資料、品類交易資料，參賽者可以採用各種類型的資料預處理演算法、模型融合等技術來解決信貸需求這個關鍵的商業問題。
訓練資料為2016-08-03到2016-11-30期間，用戶在移動端的行為資料、購物記錄和歷史借貸資訊，及11月的總借款金額。參賽者需要對每個使用者（t_user表中的全部使用者）在2016年12月的總借貸金額進行預測。
要求提交的資料檔案應為csv文本，英文逗號分隔，無BOM的utf8編碼，不包含列名。檔中只包含兩列：用戶id（uid），預測的總借貸金額，其中用戶id必須唯一，必須包含訓練集中的全部使用者。
關於店鋪銷量預測的賽題
對店鋪銷量進行預測是“京小貸”業務信用評估的關鍵環節之一，只有準確的預估店鋪未來的銷量，才能合理的設定貸款額度，提高資金利用率。
該賽題需要對店鋪開展貸款業務需要定期測量和跟蹤經營狀況，對店鋪銷量進行預測是其中的關鍵環節之一，只有這樣才能準確的評估其資金需求並設定合理的貸款額度。
通過競賽資料中店鋪過往的銷售記錄，商品資訊，商品評價，以及廣告費用等資訊來建立預測模型，預測店鋪未來90天內的銷售額。
訓練資料包含2017-04-30日之前270天之內若干店鋪的每日訂單量、銷售額、顧客數、評價數、廣告費用等資料，下架時間在2017-04-30之後或者未下架的商品資料，以及這些店鋪2016年6月-2017年1月每月末後90天內的銷售額，同時需要對每個店鋪（訓練資料中涉及的全部店鋪id）在2017-04-30之後90天內的總銷售額進行預測。
提交的資料檔案應為csv文本，英文逗號分隔，無BOM的utf8編碼，不包含列名。檔中只包含兩列：店鋪id（shop_id），預測銷量，其中店鋪id必須唯一，必須包含全部店鋪。
關於登錄行為識別的賽題
大資料風控引擎會對使用者登錄後進行的每一筆交易進行評判，自動對疑似有風險的交易進行攔截操作。
登錄識別的應用情景是在使用者進行金融交易支付時，通過其近期的登錄行為來判斷本次交易的風險程度，進而及時攔截可疑的支付動作。
需要做到能夠在常用的分類演算法基礎上，構建針對登錄行為識別的、有業務可解釋性的模型，對帳戶的登錄行為進行評判。
訓練資料包括2015年1月1日至6月30日的使用者登錄資訊以及該時段內這些使用者的交易風險標誌，由於使用者不會每次登錄都發生交易，所以風險標誌少於登錄次數，需要自行決定如何將登錄行為與交易行為進行關聯。需要根據2015年7月1日至7月31日的登錄行為資訊，來預測這個時間段中每一筆交易的風險標誌。
提交的資料檔案應為csv文本，英文逗號分隔，無BOM的utf8編碼，不包含列名。檔中只包含兩列：主鍵（rowkey），是否有風險（1表示有風險，0表示無風險），其中主鍵必須唯一，必須包含測試集中的全部rowkey。
最後的話
最後，營長想說，京東願意這麼大力來做這個比賽，營長內心是激動的。這是一個雙贏。
對選手來說，大量的一手的高品質資料將被貢獻出來，選手們不再是空中樓閣般地比拼武藝，而是能融入實際場景，解決實際問題。而一旦能以突破性的方式解決問題，團隊不僅能得到重磅獎金，更重要的是，有希望能直接獲得投資。
對於京東來說，信貸需求預測，店鋪銷量預測是需要升級的核心能力，把問題拋出來，在全社會的智慧中尋找最佳答案，無疑是最省事也是最省錢的方式。 如果看中了哪個團隊，也可以直接投資，省去了自建團隊的各種麻煩事。
在前不久，創新工廠發起的AI challenger挑戰賽，搜狗拿出大量資料供選手比賽，由於比賽的資料量大，而且品質高，在選手中頗得好評。
可以想見，由企業發起，解決實際問題的比賽，在明年還會越來越多。這是一個開放的信號：資料、資源、資金、人才、技術，一個都不能少，才能真正促進企業不斷在AI的豪華軍備升級中，拔得頭籌。
其中，商業組冠軍1名，獎金30萬，演算法組冠軍共4名，每名獲得30萬獎金。
30萬啊，這可是國內人工智慧大賽單項最高獎金紀錄，除獎金外，獲勝團隊有望對接到相應的投資。
值得一提的是，本次JDD大賽中一道關於“豬臉識別”的賽題，真是別具一格，來看看這具體是一道怎樣的別致賽題：
別具一格的賽題——豬臉識別
說到“豬臉識別”，還要從一個故事引入。話說，家住北京周邊的養豬專業戶老張最近遇到了一個難題，經過多年的辛苦勞動以及經營，他家的養豬場規模也是越來越大，豬的數量從原來的幾頭發展到現在的上百頭。
看著這麼多的肥豬，老張心裡美滋滋。可是伴隨著豬對的數量增長，讓人發愁的事情也隨之而來。這些豬的體型都很相近，老張想要清晰的分辨出每頭豬變得越來越困難。
可是，為了瞭解每頭豬的狀態，他又必須得認清每一頭豬，此豬而非彼諸。
怎麼辦呢？
要分辯不同的人，有人臉識別；同理，要認清不同的豬，就整個豬臉識別唄！（豬也是這麼想的）
那京東為什麼花大力氣來做這個賽題呢？它能得到什麼好處？
在JDD-2017 京東金融全球資料探索者大會上，國際人工智慧聯合會理事會主席、香港科技大學電腦科學及工程學系主任楊強對於“豬臉識別”是這麼看的，“首先我們可以獲取大量資料，而不用擔心隱私問題，我們想豬可能不太關心隱私。此外，這涉及到一個活體識別的問題，背後確實存在一個商業場景的問題。”
也就是說，好處有三：
第一，隱私的問題將不存在；
第二，可以更好地研究活體識別；
第三，沒准能將此經驗複製到其他場景。
那麼，其中的經驗到底還可以應用於哪些場景呢？關於這個問題，營長目前還沒有得到滿意的答案。
通過豬臉識別，養豬戶老張能得到什麼好處呢？
楊強提到，AI能輕鬆地幫他鑒別出，不同的豬只在養殖過程中的各種活動，於是，老張能看到這個豬是不是活躍，是不是萎靡，如果是一隻非常不愛動的豬，就可以在一定程度上對它的健康作決策，繼而保險就可以做出相關預測。
再者，消費者可能喜歡不同類型的豬肉，這又是對豬的鑒別衍生出的個別化需求。
別看它就是一隻豬，這其中可既有深度學習的應用，又有商業應用，既有趣，又極有未來潛力。
想來認豬嗎？今天就可以報名啦。
官方消息顯示，自11月6日開始，參賽團隊就可以通過“JDD—2017京東金融全球資料探索者大賽”官網進行報名。
本著體貼周到服務讀者的原則，營長在此將比賽有關的所有重要資訊，包括所有賽題的背景及相關重要資訊羅列如下，希望對你有所幫助。
比賽詳細資訊
比賽日程（重要的時間節點請注意）
11.06-11.20——報名。參賽選手通過「JDD—2017京東金融全球資料探索者大賽」官網進行報名 報名成功後即可進入選拔賽。
11.09-12.12——選拔賽 。根據賽題通過機器評分選出16名參賽選手入總決賽
12.15-12.17——總決賽。16名進入總決賽的選手線下封閉48小時（通過相關材料、資料的提交以及現場展示等環節，分數由評委打分綜合決定，選出冠亞季軍， H5投票現場截止，投票最高者獲得最具網路人氣獎。）
評審標準
選拔賽——通過機器評分選出TOP16
總決賽——由評委根據demo和BP打分排名，打分標準為技術（20%）、創新性（30%）、商業價值（20%）、潛在市場（20%）、現場表現（10%）
網路人氣獎——由H5投票最高者獲得。
關於“豬臉識別”題目的其他問題
本賽題需要參賽者設計一個演算法，能夠通過豬的照片來正確的辨別每一頭豬的身份。訓練資料訓練資料包含30頭豬的視頻素材，每頭豬對應一個檔，時長約1分鐘，檔案名即為豬的編號。參賽者需自行決定如何從視頻中獲取圖像資料。
評測資料測試資料為30頭豬的照片3000張，參賽者需要用演算法來區分這些照片上的豬的身份，即預測每張照片屬於每個類別（豬）的概率。本賽題AB榜評測資料各包含3000張照片，B榜照片的下載將在B榜開放當天掛出來。
根據參賽者提交的圖片分類概率，按如下公式計算得到分數，其中N為測試圖片的數量，M為分類的數量，pij 為預測圖像i是第j頭豬的概率，為防止出現計算異常，計算時會將p替換為max(min(p,1-10-15),10-15)，yij 為圖像i的真實分類，即如果圖像i是第j頭豬，則y=1，否則y=0：提交要求提交的資料檔案應為csv文本，英文逗號分隔，無BOM的utf8編碼，不包含列名。檔中只包含三列：圖片號（id），豬的類別（pig_id），分類概率，必須包含測試集中每張圖片屬於每個分類的概率。
關於信貸需求預測的賽題
通常來說，開展信貸業務不僅需要評估客戶的風險水準，還需要對客戶的借款需求進行預測，做好資金額度與需求的匹配才能提高資金利用率，降低成本並增加收益，因此預測用戶的信貸需求是金條產品運營的核心問題之一。
該賽題需要通過競賽資料中的使用者基本資訊、在移動端的行為資料、購物記錄和歷史借貸資訊來建立預測模型，對未來一個月內用戶的借款總金額進行預測。
其中包含了各種維度的序列資料、品類交易資料，參賽者可以採用各種類型的資料預處理演算法、模型融合等技術來解決信貸需求這個關鍵的商業問題。
訓練資料為2016-08-03到2016-11-30期間，用戶在移動端的行為資料、購物記錄和歷史借貸資訊，及11月的總借款金額。參賽者需要對每個使用者（t_user表中的全部使用者）在2016年12月的總借貸金額進行預測。
要求提交的資料檔案應為csv文本，英文逗號分隔，無BOM的utf8編碼，不包含列名。檔中只包含兩列：用戶id（uid），預測的總借貸金額，其中用戶id必須唯一，必須包含訓練集中的全部使用者。
關於店鋪銷量預測的賽題
對店鋪銷量進行預測是“京小貸”業務信用評估的關鍵環節之一，只有準確的預估店鋪未來的銷量，才能合理的設定貸款額度，提高資金利用率。
該賽題需要對店鋪開展貸款業務需要定期測量和跟蹤經營狀況，對店鋪銷量進行預測是其中的關鍵環節之一，只有這樣才能準確的評估其資金需求並設定合理的貸款額度。
通過競賽資料中店鋪過往的銷售記錄，商品資訊，商品評價，以及廣告費用等資訊來建立預測模型，預測店鋪未來90天內的銷售額。
訓練資料包含2017-04-30日之前270天之內若干店鋪的每日訂單量、銷售額、顧客數、評價數、廣告費用等資料，下架時間在2017-04-30之後或者未下架的商品資料，以及這些店鋪2016年6月-2017年1月每月末後90天內的銷售額，同時需要對每個店鋪（訓練資料中涉及的全部店鋪id）在2017-04-30之後90天內的總銷售額進行預測。
提交的資料檔案應為csv文本，英文逗號分隔，無BOM的utf8編碼，不包含列名。檔中只包含兩列：店鋪id（shop_id），預測銷量，其中店鋪id必須唯一，必須包含全部店鋪。
關於登錄行為識別的賽題
大資料風控引擎會對使用者登錄後進行的每一筆交易進行評判，自動對疑似有風險的交易進行攔截操作。
登錄識別的應用情景是在使用者進行金融交易支付時，通過其近期的登錄行為來判斷本次交易的風險程度，進而及時攔截可疑的支付動作。
需要做到能夠在常用的分類演算法基礎上，構建針對登錄行為識別的、有業務可解釋性的模型，對帳戶的登錄行為進行評判。
訓練資料包括2015年1月1日至6月30日的使用者登錄資訊以及該時段內這些使用者的交易風險標誌，由於使用者不會每次登錄都發生交易，所以風險標誌少於登錄次數，需要自行決定如何將登錄行為與交易行為進行關聯。需要根據2015年7月1日至7月31日的登錄行為資訊，來預測這個時間段中每一筆交易的風險標誌。
提交的資料檔案應為csv文本，英文逗號分隔，無BOM的utf8編碼，不包含列名。檔中只包含兩列：主鍵（rowkey），是否有風險（1表示有風險，0表示無風險），其中主鍵必須唯一，必須包含測試集中的全部rowkey。
最後的話
最後，營長想說，京東願意這麼大力來做這個比賽，營長內心是激動的。這是一個雙贏。
對選手來說，大量的一手的高品質資料將被貢獻出來，選手們不再是空中樓閣般地比拼武藝，而是能融入實際場景，解決實際問題。而一旦能以突破性的方式解決問題，團隊不僅能得到重磅獎金，更重要的是，有希望能直接獲得投資。
對於京東來說，信貸需求預測，店鋪銷量預測是需要升級的核心能力，把問題拋出來，在全社會的智慧中尋找最佳答案，無疑是最省事也是最省錢的方式。 如果看中了哪個團隊，也可以直接投資，省去了自建團隊的各種麻煩事。
在前不久，創新工廠發起的AI challenger挑戰賽，搜狗拿出大量資料供選手比賽，由於比賽的資料量大，而且品質高，在選手中頗得好評。
可以想見，由企業發起，解決實際問題的比賽，在明年還會越來越多。這是一個開放的信號：資料、資源、資金、人才、技術，一個都不能少，才能真正促進企業不斷在AI的豪華軍備升級中，拔得頭籌。