Newton Sketch非常适于分布式的机器学习任务。在分布式机器学习中，海量数据分散存储在计算机集群的节点上，机器学习算法必须反复遍历这些数据，寻求最优模型。而Newton Sketch方法通过随机概括（Randomized Skeching）的技术来计算一个“合成数据集”。这个数据集概括了原有数据的本质信息，并且往往规模很小，甚至可以由单机处理。在这个数据集上进一步分析与建模，就可以获得更快速度、更低成本、更高效率的计算效果。

　　以Newton Sketch为代表的统计机器学习算法，为人工智能在现实商业世界的快速普及打开了一条道路，对于城市交通、智慧物流、电力网络等复杂巨系统的研究与建模有着很重要的现实意义，甚至对于电商推荐系统、社交网络评分系统等也有很高的价值，因为这些都是高维数据。

　　正如Martin在“AI与智慧物流圆桌论坛”所说，现实生活中数据大多都“生活”在“高维空间”，越简单方式处理高维数据就越有现实意义。随着像Martin这样的国际学术专家把统计机器学习等算法介绍到中国，有望加速人工智能等解决中国大数据现象的挑战，以工程化方式让人工智能算法真正落地，创造商业价值。

　　------------【下一场精彩预告】-----------

　　AI大师圆桌会之“AI时代，博弈与行为分析”，与“冷扑大师之父”面对面

　　时间：7月20日下午 地点：上海（地点待定）

　　扫描图片二维码进入「AI大师圆桌会·上海站」抢票地址

　　AI大师圆桌会·上海站日程（拟）

　　席位有限，抢票即刻开启欢扫描上图二维码、或点击进入报名链接：