AWS技术峰会是Amazon Web Services (AWS)每年在全球众多城市巡回举办的大型云技术盛会，旨在携手APN合作伙伴和客户为观众展示人工智能领域最新的产品及服务，并分享成功案例及实践经验，交流国内外最新技术。

　　8月9日，AWS所建不凡2018技术峰会北京站在国家会议中心隆重举行，云集了众多行业领军者参与。

　　李健豪，毕业于美国知名学府UIUC(伊利诺伊大学厄巴纳-香槟分校)，师从“数据挖掘第一人”韩家炜(Jiawei Han)教授，曾就职于亚马逊北美总部任数据科学家和IBM北美总部任销售预测专家，并连续赢得过6 次美国黑客马拉松大赛冠军。在近期发布的“2018全球Top 1000 计算机科学家h指数”排行榜中，h-index最高的华人就是李健豪的恩师韩家炜教授，同时韩家炜教授还曾获得过IEEE颁发的最高技术奖——麦克道尔奖。在演讲中，李健豪分享了在20倍数据增长的压力下数据处理架构和任务调度的演变;在无服务计算的助力下，成本大幅降低的同时，数据处理效率没有降低，反而提高了。这是AI基础建设的效果。

　　利用无服务架构搭建内部AI基础建设 CTO李健豪为众多参会嘉宾诠释了怎样利用无服务架构搭建内部的AI基础建设，以自动补货为例对数据采集、清洗、自动建模、监控等一系列通用的场景进行了分享。

　　随后，分享了数据监控、指标构建、日志处理等数据流怎样在无服务架构下进行。

　　超盟数据构建商品需求量模型，助力零售企业提升效益 以自动补货为例，超盟数据以优化库存周转率为目标，在数亿级带标注的交易数据集上构建商品需求量模型，辅助客户进行决策，比如：哪些商品要补货?补多少?什么时候补?同时结合用户端的反馈来更新优化模型，提升模型精度，循环反复，更为精准地指导业务。

　　对于零售行业每天都在发生的补货这一决策过程，超盟数据对到店、到天、到品的需求进行建模，预测到店人数是多少、买什么分类的商品、买什么品，买多少商品?超盟数据技术团队结合历史交易的内部数据，以及天气、温度、湿度、温度变化、湿度变化、公众假期、促销、POI等外部数据，利用深层的神经网络和各种融合模型进行需求预测。