数据分析学

提到在线教育，你会想到什么？

提到在线直播课堂，你会想到什么？

你能想到有一天，你坐在电脑前，你的老师就在屏幕的另一端，然后跟十几个你的“网友同班同学”一起学习知识。你的老师会为你精彩的表现点赞一对一表扬，相当于课堂上获得小红花一样荣耀。在你准备开小差时，课堂会突然撒红包，获得用以兑换自己梦寐以求皮肤装饰的积分吗？对，就像现实课堂一样，不用在《回到未来》的电影中去幻想，这就是现在的线上直播课堂。

互联网技术高速发展，线上课堂已经变了模样

其实远程教育即便不是互联网时代，我们也并不陌生，从最开始的电视开始，我们就可以跟着电视上的讲座、课堂，来学习各种各样的知识。只不过它既不是实时同步，也不能与老师产生任何联系，只是简单的单方输出和单方输入的过程。到后来互联网兴起我们还可以通过微博短视频、公众号短视频、语音等形式去获取知识。这些单向输出模式的线上课堂，拉开了在线教育的序幕。

随着技术的升级，出现了视频通讯，人们可以通过互联网进行视讯通话联系，这就打破了地域限制，让人们可以通过互联网实时的面对面沟通。随之而来的直播平台开始火爆起来，直播课的形式也开始风靡，这时候坐在屏幕前的我们就可以跟老师进行实时的对话和交流，回答老师的问题。这样的技术也催生了在线教育的蓬勃发展，它即能够缓解地域限制造成的优秀师资不能远程输送的难题，又改变了单纯单向输送模式的不可控。如果我们把单向输送的时代称为线上教育的雏形1.0时代，那么这时候的与老师实时的交流的在线课堂我们就可以称之为2.0时代。

即便是实时的交流，在屏幕另一端的老师依然无法像线下课堂的老师一样，能够完全的掌控住课堂里容易注意力分散的孩子们。就像有很多人担心在线课堂会是为好学的学生提供更多样的优质课程一样，如果孩子不爱学习屏幕另一端的老师也一样无计可施。但现实是什么样的呢？

我们通过K12领域的在线教育平台作业帮一课进行了测试，发现现在的在线直播课堂，除了依托通信和互联网技术的应用实现实时授课的功能外，为了更好的吸引孩子的注意力，增加课堂的趣味性以及调动孩子的积极性，平台不仅使用三师课堂的形式，运用“主讲教师、辅导老师、班主任”的模式保证孩子的学习效果，还开发了如：随堂测验、互动答疑（包括一对一问答和集体讨论），甚至还有趣味红包等这样符合寓教于乐的活泼形式。让线上课堂与线下课堂一样，实现满足想象的互动和交流，甚至完成线下无法完成的创意形式，来帮孩子爱上学习，不得不说看到这样的在线直播课堂，不禁让人感叹，这样的直播课堂已经带领线上教育进入了3.0时代。

在资本的青睐下，在线直播课堂还将不断升级

作业帮一课这样的直播课形式从上线至今，已经推出超过32000个在线课程，共有超过500万名付费学员在作业帮一课上学习，作业帮一课主讲教师的好评率达到了95%以上，覆盖中国23个省。前段时间《南方都市报》所发布的《独角兽亲密指数》中，作业帮在用户调研中颇受欢迎，成为了公众最熟悉的在线教育企业，且用户依赖度综合测评用户亲密指数中皆处于榜首。这与作业帮不断深钻教育技术与教育方法，持续大量投入在研发上分不开。

今年作业帮也是刚刚完成 3.5亿美金的D轮融资。而谈到融资用途的时候，作业帮创始人侯建彬不止一次对外表示，将利用融资的资金，继续加大对技术和教研产品的投入，吸引更多人才，同时加强对新模式、新业务的探索。未来的在线直播课堂究竟会有多少意想不到改变，非常值得期待。

在线课堂为解决教育资源不均提供了技术支持

中国是一个人口大国，从小学一年级到高三这12个学年中，同期在读的中小学生一共超过了1.8亿，而根据教育部的报告统计，全国只有不到1200万的老师。而就是这些不到1200万的老师还要被分配到语文、数学、外语、化学、地理、生物等等各个学科。所以就全国范围平均来说，平均一个单科老师要照顾一百个学生。

在目前教育资源有限的情况下，注定一个老师分配在一个学生身上的时间和精力是非常有限的，且地区差异非常大。尤其是对于三四五线城市，教育资源严重不均衡。为什么要做“作业帮一课”？“因为学习改变命运，而我们希望通过技术进步改变学习。我们希望能够以技术进步的力量，整个资源用优质的教育在不同用户中触手可及，这就是作业帮一课的初心。”侯建彬说。

“作业帮一课”通过技术与内容双重打磨，树立行业新标准？

在今年7月份的发布会上，作业帮正式推出了作业帮一课2.0版本，正式推出三端联动的教学产品。包括：作业帮一课独立APP，作业帮一课小程序，作业帮一课的WEB，三端功能全部打通，提供了包括三师模式、阶段检测、分层教学、互动答疑、离线回放和退费保证在内的六大课程服务。

而教育行业都知道，作为一款在线教育直播产品，课程内容、学生的注意力、师资力量、产品的稳定性每一方面都是一个难题。作业帮一课是如何改变这些困境的呢？

1、海量数据分析，给出权威指导预测。作业帮一课的2.0版本是建立在作业帮过去四年摸索经验之上，对于课程内容的打磨以及学生的需求点，是基于海量的数据基础之上。我们了解到作业帮目前最新的数据：2018年，作业帮的月活、日活用户分别为7000万和 2000万，市场份额已达70%，每天至少1.5亿次用户的求助数据。而这些数据每一次访问，产品内部会按照年级、学科、地域等维度做分析和萃取。通过足够多的样本可以清楚的了解不同学部的孩子的特点和需求，甚至能够利用去年同期的数据来预测今年即将发生的用户行为和考试需求。因此作业帮一课在课程内容的和吸引学生注意力激发学生兴趣方面，已经有了很多的积累，可以说是站在“巨人”的肩膀之上。

2、极低教师录取率，保证师资力量行业领先。对于整个教育领域，无论线上还是线下，好的老师永远都是稀缺资源。作业帮一课在师资配备上可以用“苛求”来形容，创下了教育行业老师招聘录取率最低的记录。90%的老师来自985、211等重点高校以及示范类院校，但这仅仅是开始。对于教师的选拔，首先包括5层筛选：1）全国名校毕业；2）达到5年以上教龄；3）学科功底测试；4）3轮业务面试；5）2轮课程试讲。筛选之后，还要经过公司的教学培训，指导授课技巧与方法。在正式授课过程中，学生好评率达到95%以上，通过一对一导师、教研团队团队考核之后，才会被正式录用，达到通过率不足3%的恐怖数据。优秀的师资力量往往集中在一二线城市，师资上不足和地区资源分配不均，让家长们不得不为了孩子去“争抢”有限的资源，把孩子的起跑线划得越来低。在家长焦虑的背后，其实是优质教育资源分布不均的问题。作业帮一课将优秀的老师筛选出来，通过互联网技术解决师资不足和资源分配不均的问题，从根本上缓解了家长背后的焦虑。

3、技术与内容双重打磨，保证教学品质和产品稳定。作业帮一课从一开始就将内容与技术打磨提到了一个非常重要的位置上，作业帮教研团队在作业帮中占比高达40%，同时他们制定了严苛的教研标准和流程。在平台1.8亿庞大的自建题库的支持下，将从小学初中到高中的K12的所有教育内容进行了更为精细化的体系重塑。我们了解到，目前作业帮一课的完成在线课程超3万节，形成了作业帮一课品牌课程体系。一方面打造多样化的课程建设，不断丰富平台上的课程品类和内容，更创新性地利用AI等先进技术，把不同的课程以不同的力度个性化推荐给不同地区不同水平的学生，实现大数据分层教育；另一方面重视素质教育，老师以多样的授课形式与学生趣味高效互动，并推出一系列文学、国学类课程，帮学生拓展兴趣、打开视野。

作业帮一课的核心成员大多来自于百度，最为擅长处理大流量和高并发的问题，作为在线辅导类直播课堂，首要保障的是满足数十万用户同时在作业帮一课上享受直播授课不卡顿的服务，深厚的技术能力成为了平台安全稳定运营的先决条件。此外依托人工智能、大数据等技术，作业帮一课真正实现了“定制化”辅导服务。

在前不久刚刚结束的作业帮一课2.0发布会后，作业帮投资人对侯建彬说很欣喜的看到尽管已经到了如此体量的作业帮还在不断的创新，也有投资人对侯建彬说做教育行业一定要有耐心。的确，不要怕慢，走得稳才走的长久，做教育的人总得给社会留下点什么，即使竞争再激烈，教育的初心和匠心都不能改变。现在的在线课堂，直播课堂已经在不断的人性化开发，期待未来在科研上不断的钻研和教育人的严谨严格的态度，在线教育模式持续的更新能够为孩子的教育不断赋能。

三星电子将于2018年8月15日，在上海举行“三星GalaxyNote9发布会”，DoNews全程图文直播。

发布会活动地点：上海1862时尚艺术中心

发布会开始时间：19:00

原标题:学界|中科大潘建伟团队在光量子处理器上成功实现拓扑数据分析

选自arXiv

作者：黄合良等

机器之心编译

参与：刘晓坤

近日，来自中国科学技术大学、中国科学院-阿里巴巴量子计算实验室等机构，由潘建伟院士、陆朝阳教授带领的团队完成了在光量子处理器上执行拓扑数据分析（TDA）的原理性实验演示验证。TDA可以抵抗一定噪声的干扰，从数据中提取有用信息，而量子版本的TDA能实现对经典最优TDA算法的指数级加速。量子TDA算法也是继Shor算法（用于大数因子分解进行密码破译）、Grover算法（用于搜索问题）、HHL算法（用于解线性方程组）之后，人类在量子计算机上可使用的一种新算法。该研究为在量子计算机上进行高维数据处理、甚至人工智能算法领域的探索打开了方向。

论文：DemonstrationofTopologicalDataAnalysisonaQuantumProcessor

论文链接：https://arxiv.org/abs/1801.06316

通过识别带噪声、非结构化数据的底层结构，拓扑数据分析（TDA）可以鲁棒地从数据中提取有用信息。最近，人们提出了一种有效的量子算法[Lloyd,Garnerone,Zanardi,Nat.Commun.7,10138(2016)]，用于计算数据点的贝蒂数（一种拓扑特征，描述散点图中各个维度的拓扑洞的总数）。我们利用一个六光子量子处理器实现了这个量子算法的原理性实验演示验证，成功地分析了一个包含三个数据点的网络的贝蒂数拓扑特征，为量子计算领域的数据分析提供了新的探索思路和研究方法。

在探索性数据分析和数据挖掘中，我们的收集到的大数据通常编码了非常有价值的信息，然而，这些数据往往规模很大，并且是非结构化的、带噪声的、不完整的，从而使得从数据中提取有用信息变得很有挑战性。TDA[1]将拓扑学与数据分析进行结合，可以从无结构的数据中分析数据隐含的拓扑特征，对噪声具有较强的鲁棒性，提供了研究此类数据的一种分析方法。特别地，持续同调（persistenthomology）[2][3]通过计算和分析数据的贝蒂数，用于提取数据的有用信息。其中，贝蒂数是一种拓扑特征，第k个贝蒂数β_k表示为数据集中的k维洞的数量。例如，β_0、β_1、β_2分别代表了连通分支、一维洞和二维洞的数量。通过贝蒂数可以对数据进行了抽象化表示，将其转化为拓扑性的描述，这对于理解数据集的底层结构很有价值。使用TDA分析数据的贝蒂数这一分析方法近年来得到了快速发展，有望应用于图像识别[4]、信号处理[5]、网络科学[6,7]、传感器分析[8-11]、大脑连接[12,13]和fMRI数据分析[14,15]等。

然而实际上，当处理复杂数据的时候，经典的拓扑数据分析方法将面临计算量巨大的问题：n个数据点的数据集拥有2^n个潜在拓扑结构，即使使用最强大的经典计算机也难以求解规模不太大的数据集。目前，估计数据集合所有阶贝蒂数的最优经典算法需要的时间复杂度为O(2^nlog(1/δ))[16–21]，其中δ为精度。此外，对某些类型的拓扑结构[22]，计算所有阶贝蒂数是PSPACE-hard的。

最近，Lloyd等人[23,24]将量子机器学习方法扩展到TDA中，以高效地计算所有阶的贝蒂数。如果从一个数据集中生成的k-单纯形的比例足够大，则以精度δ计算所有阶贝蒂数的量子算法耗费的时间复杂度为O(n^5/δ)，相比已知最好的经典算法，具有指数加速。此外，该算法不需要大规模的量子随机存取存储器（qRAM）[25]，只需要O(n^2)的比特数即可——用于存储n个数据点之间所有两两间距的信息。该算法的潜在计算加速能力和可行性有望令量子TDA作为未来量子计算机的新算法（量子算法包括Shor算法、[26,29]、量子模拟[30-33]、求解线性系统[34,35]和线性向量的分类[36-38]等）。

我们首次利用一个小规模的光子量子处理器，进行了量子TDA算法的原理性演示验证。在实验中，我们在两种不同的距离参数下，监控和识别三个数据点的贝蒂数的拓扑特征，成功地展示了量子TDA算法的可行性，表明数据分析可能是未来量子计算的重要应用。

为了计算贝蒂数，我们首先以数据点之间的关系拓扑地表征数据。我们使用截断距离将数据点分类为单纯形（参见图1（a）），即数据点的全连接子集。单纯形的集合构成一个单纯复形，然后可以从该拓扑结构中提取贝蒂数等特征。这些拓扑结构如图1（b-d）所示。

通过确定ϵ所有范围的贝蒂数的完整集合，我们可以构建条形码（参见图1（e））[39]，即贝蒂数的距离依赖形式的参数化版本。H_k区域内的每个条形代表一个k维洞，条形的长度表示其在参数中的存在持续性。利用条形码，我们可以定量地将短条形当做拓扑噪声过滤掉，并将长条形作为重要的特征（条形的长度表示其对抗间距变化的存在持续性）。在图1（e）中，在H_1区域有一个条形延展了很长的范围，从而我们确定该非结构化数据（图1（b））的底层拓扑特征是一个圆。

图1：（a）k-单纯形（图中展示了k=0、1、2、3的例子）是k+1个数据点的全连接集合。（b）数据点的散点图。（c）使用某些任意的指标以量化数据点之间的距离，（以数据点为，圆心直径为ϵ）圆彼此接触的数据点之间以边连接。（d）单纯复形是单纯形的集合。着色区域表示复形中的不同单纯形。（e）条形码的结构。水平轴代表距离ϵ。在H_k的任意区域中，条形和垂直线的交点数等于（距离ϵ对应的）贝蒂数β_k。

一般地，量子TDA算法有两个主要步骤（参见图2（a））。首先访问数据，构造的拓扑结构k-单纯形的均匀混态。该步骤的时间复杂度依赖于k-单纯形的比例，在最差的情况下是指数量级的。但是在实际应用中，复杂拓扑结构中k-单纯形的比例一般不会太小。所以，在实际应用中，无论用经典算法还是Grover算法（进一步的二次型算法加速）都可以高效地实现这个步骤。在量子算法中，这个步骤可以分成两小步：（1a）单纯复形量子态的制备；（1b）均匀混态的构造。（2）揭示结构中的拓扑不变量，这个步骤使用相位估计算法[40]实现，在量子计算机上，该算法相对经典算法能实现指数级加速，实际证明[23,24]它的时间复杂度为O（n^5/δ），其中δ为计算精度。

图2：量子TDA的量子线路。（a）原始量子算法线路的简单示意图。（b）包含三个数据点的散点图。

（c）1-单纯形量子态（3

的图表征。第一个和第二个数据点由一条边连接。

（d）1-单纯形量子态（4

第一个数据点分别和第二个和第三个数据点连接。（e）5量子比特的优化量子线路。不同颜色的模块代表4个基本阶段（单纯复形制备、构造混态、相位估计、测量）。

图3：实验装置。中心波长为394nm的紫外激光脉冲（脉冲持续时间为150飞秒，脉冲重复频率为80MHz）通过三个偏硼酸钡（BBO）晶体[42]以生成三对纠缠光子对(|H>|V>+|V>|H>)/√2（空间模式分别为1-2、3-4、5-6，细节参见附录1）。光子2（3）和4（5）在PBS上进行干涉。所有的光子使用3-nm带宽的过滤器进行光谱过滤。C-BBO：三明治形态的BBO+HWP+BBO组合；QWP：四分之一玻片；POL：起偏器；SC-YVO4：用于空间补偿的YVO4晶体；TC-YVO4：用于时间补偿的YVO4晶体。

图4：最终的实验结果。最终的输出通过在泡利-Z基上测量本征值寄存器确定。两个不同1-单纯形的态输入的测量期望值（蓝色条形）和理论预测值（灰色条形）如（a）和（b）所示。误差线表示1个标准偏差，它是根据原始数据，通过泊松分布推导得出的（c）0

（a）的量子态：

（b）的量子态：

本文为机器之心编译，转载请联系本公众号获得授权。

✄------------------------------------------------

加入机器之心（全职记者/实习生）：hr@jiqizhixin.com

投稿或寻求报道：editor@jiqizhixin.com

广告&商务合作：bd@jiqizhixin.com

云端逐渐成为大数据企业的必争之地。根据美国媒体报道，7月31日消息，分布式虚拟存储系统Alluxio发布1.8版本，加速针对数据分析及机器学习的云端部署。

Alluxio是世界上首个能以内存级速度集成数据的软件系统，其技术脱胎于其创始人李浩源博士在加州伯克利AMPLab的博士课题开源研究项目Tachyon——它能够在大数据应用层及存储层之间搭建一个虚拟数据层，让企业能够利用这个系统来使用和管理不同的数据应用及存储方案。此前，全球知名的现象级开源软件Spark及Mesos同样出自AMPLab，只是不同于针对存储的Alluxio，前者专注于计算，后者则专注于资源管理和调度。

由于拥有内存级的访问速度，Alluxio系统比过去的方案快了十倍甚至数十倍。

创建五年后，Alluxio是最活跃的数据生态系统开源项目之一，解决数据问题的能力备受信任。在中国市值排名前十的互联网公司中，已经有八家在应用Alluxio的技术方案，管理PB级别的数据。除此之外，华为、联想、中国电信、京东等公司也都在用它来管理数据，其他合作伙伴包括英特尔、三星、微软、Nvidia、Oracle等等。

Alluxio经历了数次版本更替。通过此次更新，这个系统希望能进一步支持不同的云端存储方案，加速数据储存、调取和使用的速度，解决深度学习面临的数据存储问题；与此同时，给他们非常重视的开源社区提供更多的支持和帮助。

针对云端部署，Alluxio的新版本提供了三个全新的功能：

1. 感知定位的数据管理工具。企业可以为数据应用设置不同的策略，根据数据的位置标记来选定具体的数据调用区域或者优化数据分布，从而降低调用不同存储位置的数据时的成本、提高效率。

2. 针对不同云端存储方案的优化。解决对象存储或者云端存储方案和传统的HDFS（HadoopDistributedFileSystem）方案中的API及执行效率的差别带来的问题；也让把数据从HDFS转移到对象存储时更加容易，真正做到在云端轻便地转移数据。

3. FUSE（FilesysteminUserspace）界面。FUSE能把云上的数据缓存在本地，通过普通的本地文件夹展现，以无缝支持现有的机器学习和大数据分析框架来存取云端数据。

云端趋势下，混合云部署的强大需求

此次Alluxio版本更新，可以说是顺应了企业“往云上走”的趋势。

近几年，不仅有层出不穷的云端数据存储、计算和分析创业项目提供服务，大公司也在寻求更好的云端部署方案。

2018年6月，微软收购知名开源开发平台GitHub后，并表示将进行GitHub与自己的云服务产品AzureCloud的整合。分析报告预测，未来云服务市场将从今年的281亿美元增长到2021年的533亿美元。

“数据分析和机器学习的兴起让云端的计算量大量增长，Alluxio的特性意味着它同样可以很好地管理混合云的数据。”李浩源对钛媒体说道。451Research的报告显示，预计在2019年，超过66%的企业会使用一个混合云或者多个云服务方案的架构，它们都可能面对不同云服务上迥异的操作差异，单凭自己很难保证效率，需要第三方服务方案的协助。

更远的未来里，中小型企业可能会彻底转向公有云部署。

Gartner预测，到2021年，全球超过50%的企业会应用纯粹的公有云存储方案，而更大的公司则会应用更多的第三方云端基础架构来管理混合云。

这和李浩源的判断相符。他认为，对于很多现代企业来说真正的价值往往在数据里。

尤其是对于某些大型企业来说，最核心的数据管理很难假手于人。2017年马云接受Bloomberg专访时曾说出金句，“数据的重要程度堪比上个世纪的石油。”

EricAnderson（时任Google产品经理）谈Alluxio

“总有一些数据他们希望保存在本地服务器上，但全部放在本地成本又太高，所以选折中方案，在一个无缝的架构下管理私有和公有云是一个刚需。”李浩源说道。

除此之外，Alluxio也希望能解决近几年火热的数据分析及深度学习面临的数据存储问题。

对于数据分析来说，已经有了不少使用云上数据的方案，Alluxio只是能帮助提高性能、降低费用。

对于深度学习，问题则稍显复杂。

“不是所有的训练数据都能直接用于像Tensorflow这种深度学习框架，另外各类分布式存储和云存储的交互方式和传统本地交互方式有很大区别，用户难以准确地配置和使用新工具。”举个例子，没有Alluxio时，让深度学习框架TensorFlow访问微软云服务AzureObjectstore上的数据就是一件难以完成的事情。

Alluxio的特性意味着它能整合各类存储系统，缩短各类深度学习框架与存储层之间的距离，提高效率及弹性、降低成本。另一方面，这次更新里的FUSE工具则让Alluxio可以挂载本地文件系统，让用户在使用远程云端分布式存储时，拥有和本地数据时相似的交互体验。

关注开源社区

除了针对云端部署及深度学习的更新之外，Alluxio的新版本还有另一个重点：为开发者提供了更多便利，包括：

1.提供针对应用运行的数据服务监视工具，包括能够获取集群实时数据的web图形界面以及命令行界面（CommandLineInterface）工具，让开发者能够更好地了解数据的使用情况、分析性能结果并获得数据洞察。

2.更完善的生态系统集成。把对数据服务的追踪和洞察扩展到不同的应用层和存储层，开发者可以通过新的工具直观地看到存储系统中的问题，比如延时的直方图和存储空间利用率。

3.一个入门套件（StarterKit），其中包括预建的代码及其他文件和一些简单的案例展示，包括“如何在本地机器上安装Alluxio”“如何安装和设置AWSS3Bucket（存储桶）及加速远程读取”，让开发者能更快地上手并使用Alluxio。

“开源社区是我们最珍视的事情之一，所以希望尽可能地帮助开发者理解和使用这个系统。”李浩源说道。他认为，自创立之初，这一社区带来的活力是推动Alluxio迅速进展的重要推力之一。

在2016年接受CSDN采访时，Alluxio曾表示“Alluxio是史上成长速度最快的开源社区之一”，如今其贡献者已经超过800人，在GitHub上星标超过3000个。

正在比赛气泡足球的部分Alluxio团队成员

这个项目里还有不少活跃的公司贡献者，他们还能提供针对具体产品和应用场景的反馈。英特尔、腾讯、阿里巴巴、百度、京东、陌陌等公司同样也是这个开源项目的贡献者之一。比如陌陌的工程师团队会基于陌陌的应用场景，做出适配和调整，而后经过Alluxio的社区管理者审核后接纳，“最终形成一个正向的反馈，是一个双向改进的过程”。

百度、去哪儿和陌陌都曾经就应用Alluxio之后的经验做出分享，比如百度此前分享过，在用他们自己开发的使用SparkSQL作为计算引擎的查询系统时，单独一次查询需要100-150秒；加上作为内存中心的存储层的Alluxio之后，数据可能会冲击本地或远程Alluxio节点，需要10-15秒；当所有数据储存在Alluxio本地时，平均只需5秒，速度提升了30倍。测试过后，百度围绕Alluxio和SparkSQL建立了一个完整的系统。

2016年初，Alluxio曾获得硅谷知名风险投资机构AndressenHorowitz的750万美元融资。