蚂蚁AI技术走进清华课堂,SQLFlow演示企业实践

简介: 蚂蚁SQLFlow在清华课堂上展示商务与人工智能的完美结合

前段时间,蚂蚁金服AI技术在清华经管学院的“商务分析整合实践”课堂上亮相了!这堂课由滴滴高级数据科学家高梓尧老师教授,他在清华大学-哥伦比亚大学商务分析双硕士学位项目的课堂上,给同学们做了精彩介绍,主角就是蚂蚁在2019年开发的SQLFlow。

高梓尧老师在清华经管课堂上介绍SQLFlow

清华经管最具挑战的课程之一

清华经管学院自2018年春季以来推出“商务分析整合实践”课,这门课由清华经管学院副院长、管理科学与工程系徐心教授、刘登攀教授及王纯教授共同担任任课教师。

通过老师们在开课时的详细介绍,我们了解到这门课程的设立旨在通过指导学生参与企业所主导的商务分析项目使其获得真实的业界工作体验,从而加深同学们对商务分析知识的理解,提高其解决实际商务分析问题的能力。

老师们通过让大家参与真实企业项目的形式,采取企业+校园相结合的模式,从而调动大家的主观能动性,促进积极思考,在一边学习一边工作的过程中提升逻辑思维能力,同时体验和感受真实的一线商务分析场景。

课程结束后,这门课程将能够帮助学生增强系统全面地解决实际商务分析问题的能力,使其熟练使用现代企业所常用的商务分析工具,熟悉企业真实的商务分析场景,加强团队合作能力。

这门课程通过小组作业形式,在两个月内共八次的课程中,与多个企业合作,由每组完成一项企业真实项目的课题研究,授课方式是由课程导师+企业导师+小组搭档互评的方式多方位来考核课程成绩,因此不论从时间,还是能力上都充满挑战,有学生称“这是学院最具有挑战的课程之一”。

为什么是SQLFlow

SQLFlow是蚂蚁金服于2019年4月推出的开源项目,简单理解的话,SQLFlow = SQL + AI,你可以把SQLFlow看做一个编译器,它可以把经过扩展的SQL语句翻译成AI引擎能够运行的代码。 

SQLFlow的愿景是:推进人工智能大众化、普及化,也就是只要懂商业逻辑就能用上人工智能, 让最懂业务的人也能够自由地使用人工智能。 

自开源以来,SQLFlow引起了国内外的广泛关注,并在GitHub上收获超过3600个Star,这在AI领域的开源项目中已经是难能可贵的了。欢迎在GitHub上关注(https://github.com/sql-machine-learning/sqlflow)。

滴滴出行和蚂蚁金服于2019年7月份开始合作进行开源共建。滴滴在商业智能场景里应用了SQLFlow,并给该项目提供了多个高价值模型。本次课程也是在滴滴的这套商业智能系统上完成的。

正因为SQLFlow是滴滴出行在AI应用领域的最新成果之一,而SQLFlow本身“不用很懂编程就能完成人工智能项目”、“产品经理也可以直接建模完成产品需求”、“实现提取数据到建模的一体化”、“SQLFlow可以实现人工智能的大众化和普及化”等理念,让它可以无缝对接大学课堂,让学生们也能领略到最新的企业实践和最前沿的AI技术,因此,SQLFlow很荣幸的入选到课程当中。

SQLFlow的神奇之处

在这次实践课程中,学生们在前期基于传统的机器方法进行建模,算下来从理论知识学习到实操数据处理和建模等环节,整个约占了6天的时间(整个课程一共8天的时间),这其中可以刨去我们理解该业务模型的背景逻辑之外所需要的时间约1-2天,即在学习理论知识、学习Python编程建模、学习机器学习模型基础知识等等一共花费了约5-6天的时间。

而在后期基于SQLFlow的建模仅仅花费半天左右的时间,完成了从了解SQLFlow的语法规则到基于我们的实际需求进行建模。

因此,我们可以很清楚地看到,SQLFlow对于数据分析师来说,可以在短时间内完成一个数据分析项目,降低了学习门槛,提高了工作效率。

除此以外,SQL语法直观并且容易理解,极大地降低了AI算法编程的门槛,用户不需要是精通算法的数据科学家,甚至可以完全不擅长编程,或者对于编程初学者而言,书写代码时耗时耗力,存在篇幅较长又不一定功能正确的问题。 

SQLFlow赋能于那些有着业务逻辑但是机器学习建模基础薄弱的人,通过简洁的SQL语法就帮助解决了建模这一痛点。此外,SQLFlow的应用降低了不同职能部门之间沟通的成本。

参加课程的同学们表示,他们在日常完成数据分析任务时所遇到的最大问题是怎样通过正确简明的代码完成复杂模型的构建。这其中会遇到许多算法逻辑和代码语法问题,而解决这些问题需要补充数据结构等一系列算法编程知识,对于有时间限制的完整分析建模项目来说时间与学习成本很高。

而SQLFlow的出现则可以在模型构建上帮助他们简化了很多繁琐的代码过程,极大提高了工作效率。

项目全体成员的合影

经过两个月共八天的项目课程,同学们顺利完成学业,不仅通关了具备挑战性的课程,成功收获学分,也见识了在实际生产中,企业是如何思考和实践的。相信对于他们来说,这将是一段难得的回忆~

相关文章
|
6天前
|
存储 传感器 人工智能
「AI实践派」产品生态伙伴Zilliz联合活动
阿里云与向量搜索领域明星企业Zilliz将在杭州阿里巴巴西溪园区共同举办“中外AI产品应用实践和出海实战”分享沙龙。
|
3天前
|
数据采集 人工智能 分布式计算
MaxFrame:链接大数据与AI的高效分布式计算框架深度评测与实践!
阿里云推出的MaxFrame是链接大数据与AI的分布式Python计算框架,提供类似Pandas的操作接口和分布式处理能力。本文从部署、功能验证到实际场景全面评测MaxFrame,涵盖分布式Pandas操作、大语言模型数据预处理及企业级应用。结果显示,MaxFrame在处理大规模数据时性能显著提升,代码兼容性强,适合从数据清洗到训练数据生成的全链路场景...
14 5
MaxFrame:链接大数据与AI的高效分布式计算框架深度评测与实践!
|
5天前
|
数据采集 人工智能 运维
从企业级 RAG 到 AI Assistant,阿里云Elasticsearch AI 搜索技术实践
本文介绍了阿里云 Elasticsearch 推出的创新型 AI 搜索方案
从企业级 RAG 到 AI Assistant,阿里云Elasticsearch AI 搜索技术实践
|
3天前
|
人工智能 监控 安全
云端问道18期实践教学-AI 浪潮下的数据安全管理实践
本文主要介绍AI浪潮下的数据安全管理实践,主要分为背景介绍、Access Point、Bucket三个部分
31 16
|
3天前
|
人工智能 弹性计算 自然语言处理
云端问道 6 期实践教学-创意加速器:AI 绘画创作
本文介绍了在阿里云平台上一键部署Demo应用的步骤。部署完成后,通过公网地址体验Demo应用,包括文本生成图像等功能。
20 10
|
2天前
|
人工智能 运维 监控
云卓越架构:企业稳定性架构体系和AI业务场景探秘
本次分享由阿里云智能集团公共云技术服务部上海零售技术服务高级经理路志华主讲,主题为“云卓越架构:企业稳定性架构体系和AI业务场景探秘”。内容涵盖四个部分:1) 稳定性架构设计,强调高可用、可扩展性、安全性和可维护性;2) 稳定性保障体系和应急体系的建立,确保快速响应和恢复;3) 重大活动时的稳定重宝策略,如大促或新业务上线;4) AI在企业中的应用场景,包括智能编码、知识库问答、创意广告生成等。通过这些内容,帮助企业在云计算环境中构建更加稳定和高效的架构,并探索AI技术带来的创新机会。
|
2天前
|
数据采集 人工智能 运维
从企业级 RAG 到 AI Assistant,阿里云Elasticsearch AI 搜索技术实践
本文介绍了阿里云 Elasticsearch 推出的创新型 AI 搜索方案。
|
3天前
|
存储 人工智能 运维
面向AI的服务器计算软硬件架构实践和创新
阿里云在新一代通用计算服务器设计中,针对处理器核心数迅速增长(2024年超100核)、超多核心带来的业务和硬件挑战、网络IO与CPU性能增速不匹配、服务器物理机型复杂等问题,推出了磐久F系列通用计算服务器。该系列服务器采用单路设计减少爆炸半径,优化散热支持600瓦TDP,并实现CIPU节点比例灵活配比及部件模块化可插拔设计,提升运维效率和客户响应速度。此外,还介绍了面向AI的服务器架构挑战与软硬件结合创新,包括内存墙问题、板级工程能力挑战以及AI Infra 2.0服务器的开放架构特点。最后,探讨了大模型高效推理中的显存优化和量化压缩技术,旨在降低部署成本并提高系统效率。
|
6天前
|
人工智能 自然语言处理 前端开发
三大行业案例:AI大模型+Agent实践全景
本文将从AI Agent和大模型的发展背景切入,结合51Talk、哈啰出行以及B站三个各具特色的行业案例,带你一窥事件驱动架构、RAG技术、人机协作流程,以及一整套行之有效的实操方法。具体包含内容有:51Talk如何让智能客服“主动进攻”,带来约课率、出席率双提升;哈啰出行如何由Copilot模式升级为Agent模式,并应用到客服、营销策略生成等多个业务场景;B站又是如何借力大模型与RAG方法,引爆了平台的高效内容检索和强互动用户体验。
80 5
|
3天前
|
人工智能 供应链 安全
面向高效大模型推理的软硬协同加速技术 多元化 AI 硬件引入评测体系
本文介绍了AI硬件评测体系的三大核心方面:统一评测标准、平台化与工具化、多维度数据消费链路。通过标准化评测流程,涵盖硬件性能、模型推理和训练性能,确保评测结果客观透明。平台化实现资源管理与任务调度,支持大规模周期性评测;工具化则应对紧急场景,快速适配并生成报告。最后,多维度数据消费链路将评测数据结构化保存,服务于综合通用、特定业务及专业性能分析等场景,帮助用户更好地理解和使用AI硬件。