伊对联手机器学习PAI 让云技术赋能恋爱社交行业升级

本文涉及的产品
模型训练 PAI-DLC,5000CU*H 3个月
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
交互式建模 PAI-DSW,5000CU*H 3个月
简介: 伊对正在与阿里开展更为深入的合作,将阿里云机器学习PAI平台应用到更多视频恋爱社交业务和场景中,实现其在交互体验上的突破价值,引领恋爱社交行业增长的第二曲线

在9月17-18日的2020阿里云栖大会上,伊对相关业务专家分享了云技术在视频恋爱社交领域的应用和场景互动形态的探索。

伊对是阿里云的合作伙伴,也是云技术成功的行业应用案例。伊对App是北京米连科技有限公司旗下产品,专注于移动端的线上交友和相亲,是恋爱社交领域杀出来的一匹黑马,被业界誉为社交+直播的成功典范。伊对将视频、直播和在线红娘创造性地融入该领域,成为独立赛道的领先者。凭借伊对App成功运营,米连科技跻身北京CBD评选出的高科技高增长的“朝阳20强”。截至目前,伊对注册用户超过4000万,活跃红娘4万多人,每月撮合线上相亲活动约1000万场,稳居行业头部。

面对日益增长的庞大数据,如何完善基层技术数据存储、加工、推理,并快速为用户提供智能推荐,打造更加完美的恋爱社交场景,是伊对始终需要面对的技术课题。

据阿里云相关人士介绍,阿里云与伊对的合作平台是阿里云机器学习平台PAI。这是一款高性能、低门槛的云端一站式AI服务平台,为传统机器学习和深度学习提供了从数据处理、模型训练、服务部署到预测的一站式服务。阿里云机器学习平台PAI为伊对技术赋能,包括弹性扩展服务、数据计算存储、算法模型三大架构。

那么,作为普通用户,如何感知云技术带来的便利呢?据伊对相关负责人介绍,与阿里云合作的成果之一是推荐技术。恋爱社交有一个公式:恋爱转化率×机会=结果。伊对App通过大数据算法,在数千万用户中,精准地定位符合每一位用户基本要求的对象,并向用户推荐,帮助他们便捷地找到真爱。另外一个就是体验感。在伊对App上,连麦用户可以感受到清晰、流畅、低延时的视频对话体验,背后是强大的视频云做支撑。借助阿里云全球领先的云计算及人工智能技术,伊对实现了1秒以内的超低延时,保障了近乎完美的视频和直播体验。

在春节期间和疫情以来,伊对下载量环比节前新增1.5倍,用户活跃度新增50%以上,数据处理和推荐压力倍增。但是,伊对不但顶住了流量冲击,而且在提升体验感、风控反作弊等方面都有持续的进步。
图片 1.png

视频和直播正成为风口,从线下到线上,云会议、云课堂、云卖货、云旅游,一切都基于视频的场景全面爆发,以云技术为基础,诞生了更多新内容、新交互、新体验。社交+直播平台的模式还在高速发展,对数据的利用和推荐效率也会成为企业不可或缺的硬核竞争力。伊对表示,未来会将阿里云机器学习PAI平台应用到更多推荐业务及风控反作弊等场景,为用户提供一个更阳光、更真实、体验感更好的恋爱社交平台。
20201130154823.jpg

访问PAI平台官网了解详情
欢迎加入PAI钉钉群交流,免费干货下载:
https://h5.dingtalk.com/invite-page/index.html?bizSource=____source____&corpId=dingd0cf799086f27cb135c2f4657eb6378f&inviterUid=F21988A2A1749D4394460A2FDF52346D&encodeDeptId=0746DEFF8740D17C91E7FE61FE0552A6

相关实践学习
使用PAI-EAS一键部署ChatGLM及LangChain应用
本场景中主要介绍如何使用模型在线服务(PAI-EAS)部署ChatGLM的AI-Web应用以及启动WebUI进行模型推理,并通过LangChain集成自己的业务数据。
机器学习概览及常见算法
机器学习(Machine Learning, ML)是人工智能的核心,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,它是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。 本课程将带你入门机器学习,掌握机器学习的概念和常用的算法。
相关文章
|
机器学习/深度学习 人工智能 搜索推荐
AI推理服务平台升级,阿里云机器学习PAI推出新规格
全新推理规格 GU30 问世,与传统规格相比价格平均优惠45%。
AI推理服务平台升级,阿里云机器学习PAI推出新规格
|
机器学习/深度学习
【阿里云北京峰会】一图看懂机器学习PAI如何帮助企业应用智能化升级
长按图片识别二维码,立即提交阿里云AI专家咨询!
792 0
|
10天前
|
数据采集 机器学习/深度学习 算法
机器学习方法之决策树算法
决策树算法是一种常用的机器学习方法,可以应用于分类和回归任务。通过递归地将数据集划分为更小的子集,从而形成一棵树状的结构模型。每个内部节点代表一个特征的判断,每个分支代表这个特征的某个取值或范围,每个叶节点则表示预测结果。
31 1
|
14天前
|
机器学习/深度学习 人工智能 算法
【昆虫识别系统】图像识别Python+卷积神经网络算法+人工智能+深度学习+机器学习+TensorFlow+ResNet50
昆虫识别系统,使用Python作为主要开发语言。通过TensorFlow搭建ResNet50卷积神经网络算法(CNN)模型。通过对10种常见的昆虫图片数据集('蜜蜂', '甲虫', '蝴蝶', '蝉', '蜻蜓', '蚱蜢', '蛾', '蝎子', '蜗牛', '蜘蛛')进行训练,得到一个识别精度较高的H5格式模型文件,然后使用Django搭建Web网页端可视化操作界面,实现用户上传一张昆虫图片识别其名称。
151 7
【昆虫识别系统】图像识别Python+卷积神经网络算法+人工智能+深度学习+机器学习+TensorFlow+ResNet50
|
14天前
|
机器学习/深度学习 人工智能 算法
算法金 | 统计学的回归和机器学习中的回归有什么差别?
**摘要:** 统计学回归重在解释,使用线性模型分析小数据集,强调假设检验与解释性。机器学习回归目标预测,处理大数据集,模型复杂多样,关注泛化能力和预测误差。两者在假设、模型、数据量和评估标准上有显著差异,分别适用于解释性研究和预测任务。
40 8
算法金 | 统计学的回归和机器学习中的回归有什么差别?
|
4天前
|
机器学习/深度学习 数据采集 人工智能
|
11天前
|
机器学习/深度学习 人工智能 自然语言处理
机器学习算法入门:从K-means到神经网络
【6月更文挑战第26天】机器学习入门:从K-means到神经网络。文章涵盖了K-means聚类、逻辑回归、决策树和神经网络的基础原理及应用场景。K-means用于数据分组,逻辑回归适用于二分类,决策树通过特征划分做决策,神经网络则在复杂任务如图像和语言处理中大显身手。是初学者的算法导览。
|
12天前
|
机器学习/深度学习 算法 数据挖掘
Python机器学习10大经典算法的讲解和示例
为了展示10个经典的机器学习算法的最简例子,我将为每个算法编写一个小的示例代码。这些算法将包括线性回归、逻辑回归、K-最近邻(KNN)、支持向量机(SVM)、决策树、随机森林、朴素贝叶斯、K-均值聚类、主成分分析(PCA)、和梯度提升(Gradient Boosting)。我将使用常见的机器学习库,如 scikit-learn,numpy 和 pandas 来实现这些算法。
|
15天前
|
机器学习/深度学习 人工智能 Dart
AI - 机器学习GBDT算法
梯度提升决策树(Gradient Boosting Decision Tree),是一种集成学习的算法,它通过构建多个决策树来逐步修正之前模型的错误,从而提升模型整体的预测性能。
|
17天前
|
机器学习/深度学习 算法 数据挖掘
机器学习与智能优化——利用简单遗传算法优化FCM
机器学习与智能优化——利用简单遗传算法优化FCM
32 5