数字经济时代，每个个体和组织机构都已经成为海量数据的生产者和消费者，基于数据智能的产品优化与迭代也已经成为智能化进程中企业创新、发展的关键能力。3月20日，百度技术沙龙第90期于线上召开，沙龙围绕“数读城市：百度时空大数据分析与预测技术”为主题，邀请了来自百度研究院的多位资深研发工程师，就异地POI推荐、机器学习在时空大数据上的应用、群体感知、百度数据联邦平台等话题为观众分享了数据智能方向的技术应用经验，同时也为企业数据智能化的发展及应用提供参考、指引方向。
百度技术沙龙自举办以来，在9年内面向超过9100名与会受众举办了共90期活动，邀请了159位行业技术大牛、206位百度技术专家，内容覆盖软件开发、大数据、深度学习等当下热门的技术话题，旨在为开发者、技术人员提供一个自由的技术交流和分享平台。本期沙龙是百度技术沙龙升级2.0后的首期活动，内容除了兼顾分享的前沿性，更全面考虑了如何让受众更精准，传播更有温度，并通过与技术社区的共同行动、定向邀约，希望让对技术感兴趣、有需求的人能够收获一场“知趣合一”的技术宴会。
沙龙活动中，百度资深研发工程师首先围绕着“异地场景POI推荐”和背后的“冷启动问题”出发，为大家带来了推荐系统中新的解决方案。相较于传统的推荐模式，这个方案利用图神经网络挖掘历史用户的本地行为偏好和异地签到行为，从而表征用户的本地偏好以及异地的空间地理信息约束，在聚合通用出行意图与用户个体偏好后，通过多层感知机对本地偏好与异地偏好的迁移进行刻画。该方法的有效性，也通过真实物理世界的跨城出行记录数据实验进行了验证。
另一位百度高工从机器学习技术在时空大数据以及新冠疫情防控中的应用方向，介绍了新冠肺炎高风险小区预警框架C-Watcher。C-Watcher能够通过其具有创新性的对抗编码器框架来提取城市之间的共性特征，在新冠病毒从疫情重灾区传播到目标城市之前，就预测出目标城市中每个小区的疫情感染风险，以做到在疫情早期，从大量居民小区中有效地筛查出高风险小区。
此外，在智慧出行方面百度也拥有丰富的经验。针对不同人群差异化的出行需求，百度提出了改善方案自适应互监督多任务图神经网络（Ada-MSTNet）。该方案不仅可以在不同群体和区域对应的任务间共享信息，还可以有效防止不相关任务之间的噪音传播，带领开发者了解图神经网络、多任务学习和自监督学习等前沿技术在城市交通预测方面的应用。
（细粒度区域流量分析&人群需求分析）
最后，百度资深研发工程师深度讲解了百度数据联邦平台及其应用和前沿研究。百度数据联邦平台是基于领先的云上可信计算和可信数据存储容器，实现跨信任实体的云上大规模数据联邦计算和分析平台，提供基于“云智一体”的百度智能云的大数据处理服务。百度不止对数据联邦平台的存储进行了优化，提升了数据存储的效率，还基于数据联邦平台，与合作单位提出了第一款基于百度图神经网络的疫情预测模型。此外，工程师们基于疫情的空间大数据，总结了疫情与搜索、居民外出及当地经济情况的关系。在线上沙龙中，百度工程师也分享了在数邦平台的安全数据处理的帮助下对分布式的车辆共享进行的研究，提出了合理的车辆调度方法，从而降低了成本。另外，基于数据联邦平台的联邦学习与可解释性的研究与进展也是本次分享中的一大亮点。
（基于飞桨的疫情预测深度学习模型结果）
“数据是21世纪的石油”，数据的重要性已然成为行业共识。站在“十四五”开局之年，以云计算、人工智能等为代表的新兴技术，正在推进数据智能的发展，不断推动技术创新和落地应用。未来，百度技术沙龙2.0还将不断凝聚前期活动的经验，通过“有趣，有料，有温度“的方式将最实用的专业知识传递到有需求的人手中，进而从人才角度助力产业智能化转型，让所有人都有望分享到数字经济带来的红利。
