基于机器学习的银行卡消费数据预测与推荐

概要
随着商业信息化水平的不断提高，用户通过银行卡刷卡消费产生了大量的数据。这类数据价值大、安全性要求高、时效性明显。但是由于数据量巨大，传统IT架构很难满足对这类数据的挖掘和分析的需求，基于Spark的机器学习技术可以帮助我们解决这些问题。这个分享将讨论我们如何基于Spark的MLlib和若干内部开发的算法，构建机器学习pipeline，预测银行卡用户的消费行为以及对应的商品推荐。

个人简介

梁堰波,明略数据高级工程师,微博 @DataScientist, 我的工作一直与大数据相关，从2009年开始接触Hadoop，在VMware中国研发中心实习参与Hadoop on virtualization的Serengeti项目，后在百度基础架构部实习参与分布式存储系统的开发。 在北京航空航天大学获得计算机科学硕士学位后加入法国电信担任云计算研究员，主要研究分布式存储系统。之后加入美团网任技术专家参与分布式机器学习、用户数据挖掘项目。后在Yahoo！北京全球研发中心参与个性化推荐系统的研发工作。

QCon是由InfoQ主办的全球顶级技术盛会，每年在伦敦、北京、东京、纽约、圣保罗、上海、旧金山召开。自2007年3月份首次举办以来，已经有超万名高级技术人员参加过QCon大会。QCon内容源于实践并面向社区，演讲嘉宾依据热点话题，面向5年以上的技术团队负责人、架构师、工程总监、高级开发人员分享技术创新和最佳实践。