欢迎来到 - 朋朋美文网 !    
当前位置: 首页 > 诗歌大全 > 格律诗 >

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

时间:2018-04-13 04:42 点击:
2018年3月6日,北京首届 AIConference北京站 承诺将会带来一场史无前例的全球领先人工智能创新人士云集的会议,让中国的人工智能人才与全球人工智能思想领袖面对

2018年3月6日,北京—首届AIConference北京站承诺将会带来一场史无前例的全球领先人工智能创新人士云集的会议,让中国的人工智能人才与全球人工智能思想领袖面对面地近距离交流。北京人工智能大会关注了一个独特的焦点:应用人工智能。这一焦点桥接了人工智能研究的发展与它在商业和工业中的真实应用。AIConference北京站由O'ReillyMedia和IntelAI共同主办。将于2018年4月10日至13日在北京国际饭店会议中心进行。

大会主席BenLorica、NaveenRao、JasonChai和RogerChen共同创建了一个以国际化专家和创新者为特色的大会议程内容。演讲者包括:

●BowenZhou,JD.com(京东)

●SherryMoore,Google(谷歌)

●Jason(Jinquan)Dai,Intel(英特尔)

●LiLi,Esri(美国环境系统研究所公司,EnvironmentalSystemsResearchInstitute,Inc.简称ESRI公司)

●Yuan(Alan)Qi,AntFinancialServicesGroup(蚂蚁金服)

●Dr.CatherineHavasi,Luminoso

●HaifengWang,Baidu(百度)

●MarkHammond,Bonsai

●RezaZadeh,Matroid

●DannyLange,Unity

●HassanSawaf,AmazonWebServices(亚马逊)

●YiZhang,UniversityofCalifornia,SantaCruz|Rulai(加州大学)

●Hsiao-WuenHon,MicrosoftResearch(微软研究院)

●WeiyueWu,UniversityofOxford(牛津大学)

本次大会内容丰富的议程将探索人工智能在企业、商业和社会中的应用,并将探索如何实施人工智能项目以及与人工智能的交互。大会议程还会涵盖模型和方法,包括增强学习和机器学习、TensorFlow、深度学习、生成对抗网络(GAN)、自然语言处理和理解、语音识别和计算机视觉等。

发言者包括来自中国和美国以及澳大利亚、加拿大、印度、韩国和英国的AI领袖。他们代表着百度、谷歌、eBay、Bonsai、Uber、微软、阿里巴巴、亚马逊、SAS、Unity、SalesForce和IBM等公司,以及加州大学伯克利分校、斯坦福大学和牛津大学等研究机构。

与会者将能了解如何利用人工智能的潜力在人工智能引起的颠覆中存活;能找到新的方法在多种行业和学科里利用他们的人工智能资源;能学习到如何将人工智能从科研成果转化为真正的商业应用;能发现学习、招聘和职业的机会;并能面对面地和其他创新者和思想领袖交流。

门票注册仍然开放。同时有限数量的媒体门票可供符合标准的记者和分析师使用。

Intel公司的人工智能团队与O'ReillyMedia共同主办了人工智能系列大会。凭借Intel在芯片创新方面的世界领先地位以及在创造支撑世界的计算标准方面的成功历史,IntelAI解决方案团队正在通过广泛的产品组合变革人工智能。从广为使用的通用CPU到为人工智能设计的专用芯片,从最大的云平台到边缘计算交付的解决方案,以及帮助部署规模化人工智能的工具,Intel都在帮助引领计算的下一场革命。

关于O'ReillyMedia

O'ReillyMedia通过提供技术和业务培训、知识和洞察力来帮助企业取得成功。我们独特的专家和创新者网络通过O'Reilly的Safari培训和学习平台以及O'Reilly主办的各种会议分享他们的知识和专长。作为一个SaaS学习平台,Safari通过企业、消费者和大学渠道为数百万用户提供热门和全面的技术和商业的学习解决方案。欲了解更多信息,请访问oreilly.com。

可点击跳转官网,或搜索AIConference官网查询详情。

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

ArtificialIntelligenceTraining

410&12日,周二&周三

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

MichaelLi(TheDataIncubator),SeasonYang(TheDataIncubator)用TensorFlow进行深度学习TensorFlow是一个流行的深度学习的工具。我们会介绍TensorFlow的流程图、学习使用它的PythonAPI,并展示它的用处。我们会从简单的机器学习算法开始,然后实现神经网络。我们还会讨论一些真实的深度学习的应用,包括机器视觉、文本处理和生成型网络。

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

ChiaWeiLim(Skymind),WangFeng(Skymind)用deeplearning4j框架构建神经网络分析时间序列在分析时间序列或者序列数据方面循环神经网络(RNN)已经被证明是非常有效的,那么在实际的案例中如何才能把循环神经网络(RNN)的优点发挥出来呐?这里将演示如何用deeplearning4j框架构建循环神经网络(RNN)来解决时间序列的问题。

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

JikeChong(TsinghuaUniversity|Acorns),黄铃(TsinghuaUniversity)人工智能和金融科技:量化金融信用与欺诈风险的评估您想了解金融企业是怎样利用大数据和人工智能技术来画像个人行为并检测欺诈用户的吗?互联网金融幕后的量化分析流程是怎么杨的?个人信用是怎样通过大数据被量化的?在实践过程中,机器学习算法的应用存在着哪些需要关注的方面?怎样通过图谱分析来融合多维数据,为我们区分正常用户和欺诈用户?这套辅导课基于清华大学交叉信息研究院2017年春天新开设的一门"量化金融信用与风控分析”研究生课。其中会用LendingClub的真实借贷数据做为案例,解说一些具体模型的实现。教学辅导课,

411日,周三

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

KristianHammond(NarrativeScience)Secondarytopics:传媒、广告、娱乐(Media,Advertising,Entertainment),制造业与工业自动化(ManufacturingandIndustrialAutomation),设计AI平台(DesigningAIplatforms),金融服务(FinancialServices)BringingAIintotheenterpriseEvenasAItechnologiesmoveintocommonuse,manyenterprisedecisionmakersremainbaffledaboutwhatthedifferenttechnologiesactuallydoandhowtheycanbeintegratedintotheirbusinesses.Ratherthanfocusingonthetechnologiesalone,KristianHammondprovidesapracticalframeworkforunderstandingyourroleinproblemsolvinganddecisionmaking.

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

ZhichaoLi(Intel)基于ApacheSpark及BigDL运行分布式KerasSecondarytopics:深度学习(DeepLearning)从这个教学课程里,学员将会学到如何应用深度学习(最先进的机器学习技术)到他们的ApacheSpark驱动的大数据工作任务里

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

YufengGuo(Google)GettingupandrunningwithTensorFlowSecondarytopics:深度学习(DeepLearning)YufengGuowalksyouthroughtrainingamachinelearningsystemusingpopularopensourcelibraryTensorFlow,startingfromconceptualoverviewsandbuildingallthewayuptocomplexclassifiers.Alongtheway,you'llgaininsightintodeeplearningandhowitcanapplytocomplexproblemsinscienceandindustry.

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

ErranLi(UberATG)用于自动驾驶的机器学习Secondarytopics:运输与物流(TransportationandLogistics)尽管最近人工智能等领域取得了很多的进展,但自动驾驶里的主要问题(不管是基础研究还是工程应用上的挑战)离完全被解决还有很大的距离。ErranLi将会探索自动驾驶所用的机器学习的基础,并讨论目前相关工作的进展。

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

ArthurJuliani(UnityTechnologies)DeepreinforcementlearningtutorialSecondarytopics:增强学习(ReinforcementLearning)Recently,computershavebeenabletolearntoplayAtarigames,Go,andfirst-personshootersatasuperhumanlevel.Underlyingalltheseaccomplishmentsisdeepreinforcementlearning.ArthurJulianioffersadeepdiveintoreinforcementlearning,fromthebasicsusinglookuptablesandGridWorldallthewaytosolvingcomplex3Dtaskswithdeepneuralnetworks.ArtificialIntelligenceConference2018KeynoteSpeakers

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

ArjunBansalVicePresident,AILabandSoftwareFrameworks,Intel08:50Thursday,2018-04-12ModernizingtheHealthcareIndustrywithAIArtificialintelligenceistransformingeveryindustry,buttheroleitwillplayinhealthcareisprofound.AIcangivephysiciansnewinsightsandspeedtimetodiagnosisbyleveragingvastamountsofhealthcaredata.AIcanalsoreducethetimeandmoneyspenttodevelopnewmedicines.

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

RogerChenCEO,ComputableLabs08:45Thursday&Friday,2018-04-12&13周四欢迎致辞(Thursdayopeningwelcome)大会日程主席BenLorica、RogerChen与JasonDai致辞开始第一天主题演讲。

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

ason(Jinquan)DaiCTO,BigDataTechnologies,Intel8:45Thursday&Friday,2018-04-12&13周四欢迎致辞(Thursdayopeningwelcome)大会日程主席BenLorica、RogerChen与JasonDai致辞开始第一天主题演讲。

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

DannyLangeVicePresident,AIandMachineLearning,UnityTechnologies10:20Thursday,2018-04-12DemocratizingdeepreinforcementlearningDannyLangeoffersanoverviewofdeepreinforcementlearning,anexcitingnewchapterinAI’shistorythatischangingthewaywedevelopandtestlearningalgorithmsthatcanlaterbeusedinreallife.https://ai.oreilly.com.cn/ai-cn/public/schedule/detail/65565

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

MarkHammondFounderandCEO,Bonsai09:05Friday,2018-04-13Getyourhardhat:IntelligentindustrialsystemswithdeepreinforcementlearningMarkHammondexploresawidebreadthofreal-worldapplicationsofdeepreinforcementlearning,includingrobotics,manufacturing,energy,andsupplychain.Markalsosharesbestpracticesandtipsforbuildinganddeployingthesesystems,highlightingtheuniquerequirementsandchallengesofindustrialAIapplications.

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

Hsiao-WuenHonManagingDirector,微软亚洲研究院(MicrosoftResearchAsia)Friday,2018-04-13智能简史人工智能已经引发了众多关注和讨论,而关于人类智能和人工智能孰优孰劣的辩论也不断升温。在这个主题演讲中,洪小文博士将介绍人工智能(AI)以及人类智能(HI)的历史。从历史的维度,以深刻的洞察,阐述AI和HI是如何彼此交织并共同进化的,并预示AI和HI可能的未来。

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

YinyinLiuDataScientist,IntelNervana08:50Friday,2018-04-13DeepLearning-poweredNLPDeeplearningprovidesnewopportunitiesandpromisesfornaturallanguageprocessing.Itenablesdatascientiststosolvetext,language,andconversation-basedusecaseswithnewdeeplearningapproaches,andinspiresnewwaysofbuildingfoundationsthatareapplicabletoarangeofNLPapplications.

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

BenLoricaChiefDataScientist,O'ReillyMedia08:45Friday,2018-04-13周五欢迎致辞(Fridayopeningwelcome)ProgramchairsBenLorica,JasonDai,andRogerChenopentheseconddayofkeynotes.FullDetails08:45Thursday,2018-04-12周四欢迎致辞(Thursdayopeningwelcome)大会日程主席BenLorica、RogerChen与JasonDai致辞开始第一天主题演讲。

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

SherryMooreSoftwareEngineer,Google09:25Friday,2018-04-13TensorFlow对科学的影响人工智能已经不是未来的科技,它正快速地成为我们日常生活的一部分。在本演讲中,谷歌TensorFlow的领导者SherryMoore将会介绍机器学习是如何造福世界的,特别是对于科学的发展。她将会讨论她自己的关于学习如何学习(AutoML)的工作以及几个在中国和全世界使用TensorFlow和机器学习的迷人案例。

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

AlanQiVicePresidentandChiefDataScientist,AntFinancial09:45Thursday,2018-04-12主题演讲,Dr.AlanQi敬请期待更多细节。

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

RezaZadehCEO|AdjunctProfessor,Matroid|Stanford09:25Thursday,2018-04-12TurningmachinelearningresearchintoproductsforindustryRezaZadehdetailsthreechallengesonthewaytobuildingcutting-edgeMLproducts,withafocusoncomputervision,offeringexamples,recommendations,andlessonslearned.

O’Reilly和Intel人工智能大会(AIConference北京站)即将拉开大幕!

BowenZhouVicePresidentofAIPlatform&Research,JD.com09:45Friday,2018-04-13主题演讲,Dr.BowenZhou敬请期待更多细节。议题(Session)412日,周四11:15–11:55Thursday,April12,2018用于自动驾驶的机器学习:近期的进步和未来的挑战Secondarytopics:增强学习(ReinforcementLearning),运输与物流(TransportationandLogistics)ErranLi(UberATG)深度增强学习已经让人工智能体在很多挑战性的领域可以取得超越人类的表现,例如玩Atari的游戏以及下围棋。这一方法还具有能显著地推进自动驾驶的潜力。ErranLi将会讨论近期在模仿学习方面(例如infoGAIL)、策略梯度法和层次增强学习(例如option-critic架构)等方面的进步,以及它们在自动驾驶方面的应用。Erran接着还会介绍在这个领域需要关注的剩余的挑战。11:15–11:55Thursday,April12,2018CrossingtheenterpriseAIchasmSecondarytopics:设计AI平台(DesigningAIplatforms)SimonChan(Salesforce)Buildinganend-to-endAIapplicationinproductionistremendouslymorecomplicatedthansimplydoingalgorithmmodelinginalab.SimonChanexplainshowtocrossthegapbetweenAIresearchfantasyintoreal-worldapplications.11:15–11:55Thursday,April12,2018Xiaoice:LessonslearnedfromconversationsbetweenhumansandAISecondarytopics:传媒、广告、娱乐(Media,Advertising,Entertainment),自然语言与语音技术(NaturalLanguageandSpeechTechnologies)力周(MicrosoftChina)SinceitsfirstreleaseinMayof2014,morethan100millionusersinChina,Japan,andtheUShaveinteractedwithrenownedAIproductXiaoice(小冰),whichbuildshuman-likeconversation.LiZhoushareskeylessonslearnedfromthepastfouryearsandexplainshowtousethemtobuildabetterchatbotexperience.11:15–11:55Thursday,April12,2018ScalingconvolutionalneuralnetworkswithKubernetesandTensorFlowSecondarytopics:AI应用的硬件、软件栈(HardwareandSoftwarestackforAIapplications),计算机视觉(ComputerVision)RezaZadeh(Matroid|Stanford)RezaZadehoffersanoverviewofMatroid’sKubernetesdeployment,whichprovidescustomizedcomputervisionandstreammonitoringtoalargenumberofusers,anddemonstrateshowtocustomizecomputervisionneuralnetworkmodelsinthebrowser.Alongtheway,RezaexplainshowMatroidbuilds,trains,andvisualizesTensorFlowmodels,whichareprovidedatscaletomonitorvideostreams.11:15–11:55Thursday,April12,2018端到端深度学习优化在互联网业务场景下的应用实践Secondarytopics:深度学习(DeepLearning),设计AI平台(DesigningAIplatforms)杨军(阿里巴巴)本议题会分享我们在典型互联网业务场景(图像、文本处理等)下的深度学习优化实践经验,包括离线训练和在线Inference,并会从系统与算法相结合的角度进行相关经验的阐述和介绍。11:15–11:55Thursday,April12,2018深度学习时代的数据科学和自然语言处理Secondarytopics:自然语言与语音技术(NaturalLanguageandSpeechTechnologies)YinyinLiu(IntelNervana)自然语言处理(NLP)带给计算机理解人类语言的能力。NLP利用深度学习最新算法发展例如文档理解之类的应用,使公司能够筛查海量文本,分类并找到相关信息。本议题我们将讨论深度学习最新发展如何影响处理文本、语言及基于对话应用,并启发了利用数据的新方向。我们还将讨论几个使用Intel®AI技术的NLP企业案例。13:10–13:50Thursday,April12,2018AI技术在eBay搜索平台的应用Secondarytopics:设计AI平台(DesigningAIplatforms),零售业与电子商务(Retailande-commerce)HUAYANG(eBay)搜索引擎是大量利用机器学习技术的平台。AI推动了搜索技术的进一步发展,搜索引擎正在变成强大的AI平台。本次演讲将介绍深度学习和自然语言理解技术在eBay产品搜索平台的应用。13:10–13:50Thursday,April12,2018UsingAItoanalyzetheimpactoffinancialnewsSecondarytopics:传媒、广告、娱乐(Media,Advertising,Entertainment),自然语言与语音技术(NaturalLanguageandSpeechTechnologies),金融服务(FinancialServices)ZhefuShi(UniversityofMissouri)Itiscriticaltoanalyzethebusinessimpactonfinancemarketfromworldwideevents.ZhefuShiexplainshowtouseAItoanalyzetheimpactoffinancialnews,usingafinancialdatapipeline.Zhefuoutlineshowtoextractfinancialentityinformationanduseittoanalyzebusinessimpact.AllofthecomponentsuseAItoenhancefunctionality.13:10–13:50Thursday,April12,2018RepresentingknowledgethroughgraphicalmodelsSecondarytopics:AI应用的硬件、软件栈(HardwareandSoftwarestackforAIapplications)Tags:wlRuiwenZhang(SASInstitute)Drawingonseveralreal-worldcases,RuiwenZhangdemonstrateshowtovisualizethestructureofaprobabilisticmodelandprovidebetterinsightsintothemodelproperties,whichcanbefurtherusedtodesignandmotivatenewmodels,andhowtoreducethecomputationalcomplexityrequiredtoperforminferenceandlearninginsophisticatedmodelsusinggraphicalmodels.13:10–13:50Thursday,April12,2018PracticalconsiderationswhenshiftingtousingdeeplearningforyourtextdataSecondarytopics:自然语言与语音技术(NaturalLanguageandSpeechTechnologies)EmmanuelAmeisen(InsightDataScience),JeremyKarnowski(InsightDataScience)EmmanuelAmeisenandJeremyKarnowskishareaguideformovingyourcompanytowarddeeplearningusingacollectionofNLPbestpracticesgatheredfromconversationswith75+teamsfromGoogle,Facebook,Amazon,Twitter,Salesforce,Airbnb,CapitalOne,Bloomberg,andothers.13:10–13:50Thursday,April12,2018对偶学习:探秘人工智能的对称之美Secondarytopics:自然语言与语音技术(NaturalLanguageandSpeechTechnologies)Tie-YanLiu(微软亚洲研究院微软亚洲研究院(MicrosoftResearchAsia))以深度学习为代表的人工智能技术通常需要大量的有标签训练数据,这对于很多应用领域而言并非易事。为了解决这个挑战,我们利用人工智能的对称之美——很多人工智能任务天然就是双向的,比如中到英翻译vs.英到中翻译,图像分类vs.图像生成,语音识别vs.语音合成——来为机器学习建立闭环、生成有效的反馈信号,从而在缺乏有标签数据的情况下也能实现高效学习。我们将这种新型的学习方法称之为“对偶学习”。对偶学习已经被成功应用到诸多领域,取得了非同凡响的效果。本报告中,我们将针对对偶学习的数学模型、优化算法、概率解释、实验结果,收敛性分析等进行详细讨论,展示对偶学习的魅力,并对它在人工智能领域的更广泛应用进行展望。对偶学习有关的研究成果已发表在NIPS、ICML、IJCAI、AAAI等人工智能领域最顶尖的国际会议之上。13:10–13:50Thursday,April12,2018为什么图模型对人工智能应用至关重要?Secondarytopics:AI应用的硬件、软件栈(HardwareandSoftwarestackforAIapplications)MingxiWu(TigerGraph),YuXu(TigerGraph)为了让机器像人一样思考,一个成功的人工智能应用程序的关键部分必须由强大的数据管理软件支持。在这次演讲中,我们将讨论人工智能数据管理的需求,并指出图模型的独特优势。我们将深入讨论几个现实生活中部署的,且将它们的成功归因于图模型的人工智能应用程序。14:00–14:40Thursday,April12,2018用于无人驾驶的深度学习技术Secondarytopics:深度学习(DeepLearning),运输与物流(TransportationandLogistics)BichenWu(UCBerkeley)深度学习近年来的成功极大地促进了自动驾驶技术的快速发展。但不少问题依然存在:1)深度学习模型需要大量的训练数据2)即便是深度学习模型也很难达到100%准确率3)深度学习模型的计算复杂度太高,超出了车载计算机的处理能力。这个讲座将会关注以上几个问题。14:00–14:40Thursday,April12,2018IntroducingSparkNLP:State-of-the-artnaturallanguageprocessingatscaleSecondarytopics:自然语言与语音技术(NaturalLanguageandSpeechTechnologies)DavidTalby(PacificAI)Naturallanguageprocessingisakeycomponentinmanydatasciencesystemsthatmustunderstandorreasonabouttext.DavidTalbyoffersanoverviewoftheNLPlibraryforApacheSpark,whichnativelyextendsSparkMLtoprovideopensource,fullydistributed,andoptimizedversionsofstate-of-the-artNLPalgorithms,coveringthelibrary'sdesignandsharingworkingcodesamplesinPySpark.14:00–14:40Thursday,April12,2018小米语音交互的最新进展、面临的难题以及展望王刚(小米公司)本次讲演将分享小米语音交互在产品和技术方面的最新进展和面临的一些难题,以及对未来语音技术发展的展望。14:00–14:40Thursday,April12,2018Conductingmachinelearningresearchwithincustom-made3DgameenvironmentsSecondarytopics:传媒、广告、娱乐(Media,Advertising,Entertainment),增强学习(ReinforcementLearning)DannyLange(UnityTechnologies)DannyLangedemonstratestherolegamescanplayindrivingthedevelopmentofreinforcementlearningalgorithms.DannyusestheUnityEnginewiththeML-Agentstoolkitasanexampleofhowdynamic3Dgameenvironmentscanbeutilizedformachinelearningresearch.14:00–14:40Thursday,April12,2018智能对话机器人:企业商务管理人员如何避免踩坑并且完全掌控人工智能Secondarytopics:自然语言与语音技术(NaturalLanguageandSpeechTechnologies)YiZhang(UniversityofCalifornia,SantaCruz|Rulai)美国加州大学圣克鲁斯分校终身教授,Rul.ai公司的创始人张奕博士将向您全面剖析智能对话机器人。在这里您可以了解到在建设智能对话机器人中,如何评估各种技术方案,如何建设合适的团队,并且设计出以用户为中心的机器人。她也会分享智能对话机器人在不同行业的使用案例。14:00–14:40Thursday,April12,2018Spark+BigDL基于Hadoop的推荐系统的深度学习实践Secondarytopics:深度学习(DeepLearning),零售业与电子商务(Retailande-commerce)徐晓(阿里巴巴)随着深度学习的发展,其在推荐领域的可能性也被不断拓展,越来越多的基于深度学习的推荐算法在学术论文中被提出,比如:Google提出的Wide&Deep网络结构。目前,很多大型推荐系统均构建在Hadoop生态上,而主流的深度学习工具(如:TensorFlow/Caffe/Torch)则更适合于gpu集群。因此,运行在Spark环境上的BigDL是非常合适于推荐系统的深度学习解决方案。本议题将通过案例的形式,分享使用Spark与BigDL构建深度神经网络来优化现有推荐系统的经验。本议题的主要关注点是:如何在推荐工程中高效而健壮的实施深度学习,包括:技术选型的思考,实验场景的搭建,神经网络配置脚本的定制,模型数据的IO,自定义神经网络组件的开发等。14:50–15:30Thursday,April12,2018PerceptIn低成本无人驾驶解决方案Secondarytopics:AI应用的硬件、软件栈(HardwareandSoftwarestackforAIapplications),运输与物流(TransportationandLogistics)BoYu(PerceptIn)得益于人工智能和机器人技术的快速发展,无人驾驶技术逐渐成熟,预计将会孕育出一个万亿规模的市场,并深刻地改变人们的交通出行方式。我们认为低速限制性的园区将会首先大规模部署无人驾驶技术,首先因为限制性园区对无人驾驶应用的需求巨大,其次由于驾驶环境简单限制性园区容易实现无人驾驶,第三从成本角度考虑,大规模部署无人驾驶方案成本需要在万元美金以内。所以,这里我们将主要探讨适用于限制性园区的低成本无人驾驶解决方案。14:50–15:30Thursday,April12,2018ExtendingSparkNLP:Trainingyourowndeep-learnednaturallanguageunderstandingmodelsSecondarytopics:自然语言与语音技术(NaturalLanguageandSpeechTechnologies)DavidTalby(PacificAI)Toachievehighaccuracywhenreasoningabouttext,yougenerallyneedtounderstandspecificlanguages,jargons,domain-specificdocuments,andwritingstyles.DavidTalbyexplainshowtotraincustomwordembeddings,namedentityrecognition,andquestion-answeringmodelsontheNLPlibraryforApacheSpark.14:50–15:30Thursday,April12,2018即时配送调度中的人工智能Secondarytopics:运输与物流(TransportationandLogistics)jinghuahao(美团点评)近两年外卖行业发展迅速,美团外卖每日超过1600万订单,线下有50万名骑手每天奔波在大街小巷进行配送,是全球最大的外卖平台。如何使数据巨大的骑手配送得更有效率,减少空驶?如何让用户更早地享受到美食,减少超时率?这是一个强随机环境下的大规模复杂优化问题。本次分享将介绍美团配送在运用大数据、机器学习和运筹优化技术解决即时配送业务难题、利用AI技术来取代人工上的若干进展和探索,帮助大家了解这一技术领域的进展和挑战。14:50–15:30Thursday,April12,2018DeeplearningforspeechrecognitionandprofilingSecondarytopics:自然语言与语音技术(NaturalLanguageandSpeechTechnologies)YishayCarmiel(IntelligentWire|SpokenLabs)YishayCarmieloffersanoverviewofneuralmodelsinspeechapplications,coveringthedominanttechniquesandtheelementsthathavecontributedtotherapidprogress.Yishayalsolookstothefuture,examiningwhichproblemsstillremainandhowfarwearefromsolvingthem.14:50–15:30Thursday,April12,2018深度学习与人工智能在神经影像中的前沿应用Secondarytopics:保健与医疗(HealthandMedicine),计算机视觉(ComputerVision)EnhaoGong(StanfordUniversity|SubtleMedical),GregZaharchuk(StanfordUniversity)人工智能与深度学习正在快速改变医疗产业发展。本讲座将介绍斯坦福的深度学习领域学者与斯坦福医院医生、教授合作研发的技术,以及如何快速地优化临床医学影像的使用。人工智能技术让医学影像的采集与处理更加快速、高效、便捷与智能。具体技术应用包括:1.如何通过人工智能优化临床影像流程,优化诊断治疗规划2.如何通过人工智能与深度学习预测神经疾病病人的预后和疾病发展3.如何通过人工智能与深度学习技术加速神经影像流程4.如何通过人工智能与深度学习技术显著减少放射性与显影剂使用14:50–15:30Thursday,April12,2018基于TensorFlow的高效交互式深度学习平台及应用(AnefficientandinteractivedeeplearningplatformwithTensorFlow)Secondarytopics:AI应用的硬件、软件栈(HardwareandSoftwarestackforAIapplications),设计AI平台(DesigningAIplatforms)XiaoleiXu(上海新智新氦数据科技有限公司)目前单机多卡训练是深度学习的标配,但是单机的GPU数目总有上限,因此如何通过多机多卡进行高效的分布式训练就尤其重要。比如,如何将简单的单机程序快速部署到多机并得到相应的加速比,如何使得对GPU的调度与大数据处理平台无缝对接,并使GPU成为平台上按需调度、动态扩容的资源,这些问题的解决对算法迭代优化起到关键作用。本次talk会详细介绍如何基于Kubernetes和Docker构建TensorFlow的微服务化应用,具体从以下几个方面展开:从少量样本数据的单机快速原型设计验证,无缝切换到大量全数据的多机多卡分布式训练过程;一键启动分布式训练,即基于新氦定制的深度学习云平台,用户无需关注分布式细节,可直接通过可视化web界面进行分布式参数配置和训练代码提交,并可实时可视化监控模型训练收敛性、系统资源消耗和模型输出日志等;模型训练结束后可实时serving将模型快速部署到生产环境。16:20–17:00Thursday,April12,2018TensorFlow下的构建高性能神经网络模型的最佳实践Secondarytopics:深度学习(DeepLearning)李嘉璇(梅卡曼德)随着神经网络算法在图像、语音等领域都大幅度超越传统算法,但在应用到实际项目中却面临两个问题:计算量巨大及模型体积过大,不利于移动端和嵌入式的场景;模型内存占用过大,导致功耗和电量消耗过高。因此,如何对神经网络模型进行优化,使尽可能不损失精度的情况下,能减少模型的体积,并且计算量也降低,就是我们将深度学习在更广泛地场景下应用时要解决的问题。本次讲解主要着眼于在安防、工业物联网、智能机器人等设备,需要解决图像、语音场景下深度学习的加速问题,减小模型大小及计算量,构建高性能神经网络模型。16:20–17:00Thursday,April12,2018BuildingacommercialnaturallanguageunderstandingsystemSecondarytopics:电信(Telecom),自然语言与语音技术(NaturalLanguageandSpeechTechnologies)SangkeunJung(SKTelecom)NaturallanguageunderstandingisacoretechnologyforbuildingnaturalinterfacessuchasAIspeakers,chatbots,andsmartphones.SangkeunJungoffersanoverviewofaspokendialogsystemandrecentlylaunchedAIspeaker,NUGU,andshareslessonslearnedbuildingacommerciallyefficientandsustainablenaturallanguageunderstandingsystem.16:20–17:00Thursday,April12,2018人工智能在欺诈检测中的应用Secondarytopics:金融服务(FinancialServices),零售业与电子商务(Retailande-commerce)ZhongWu(DataVisor)随着互联网不断发展,面向用户的线上网站服务也进入极速发展期,吸引了大量的用户,整个互联网进入“十亿用户时代”。一些有组织的欺诈团伙利用这个特点,大量创建虚假账户或盗取正常用户账户,以此潜伏在大量正常用户中,在银行、网站和手机应用软件上实施欺诈。由于规则引擎和传统机器学习模型需要经常更新、维护,而且只有在损失发生后才会生成相应反应机制,因此反欺诈团队很难领先一步走在欺诈者前面。人工智能的发展,给整个反欺诈领域带来新的机会。16:20–17:00Thursday,April12,2018ModernizingthehealthcareindustrythroughAISecondarytopics:保健与医疗(HealthandMedicine)ArjunBansal(Intel)Precisionmedicinepromisestorevolutionizehealthcarebydeliveringbetterhealthoutcomesatlowercostbyeliminatingtrial-and-errormedicine,andIntelisworkingtomakethisareality.ArjunBansalsharesemergingalgorithmsandmodelsusedtoanalyzehealthcaredata,includingelectronichealthrecords,medicalimages,andpharmaceuticalandgenomicsdatasets.16:20–17:00Thursday,April12,2018高性价比AI产品在IoT设备上的实现Secondarytopics:AI应用的硬件、软件栈(HardwareandSoftwarestackforAIapplications),制造业与工业自动化(ManufacturingandIndustrialAutomation)ShaoshanLiu(PerceptIn)通过深度学习技术,物联网(IoT)设备能够得以解析非结构化的多媒体数据,智能地响应用户和环境事件,但是却伴随着苛刻的性能和功耗要求。我们探讨了两种方式以便将深度学习和低功耗的物联网设备成功整合。16:20–17:00Thursday,April12,2018深度学习在Android平台的应用Secondarytopics:AI应用的硬件、软件栈(HardwareandSoftwarestackforAIapplications),深度学习(DeepLearning)xiahoaowang(TalkingData)目前,深度学习在移动端的应用越来越受到重视,从芯片制造商到手机厂商,一直到应用开发者,都在为在智能手机上运行深度学习模型做出了很多努,开发者一方面很难找到针对移动端优化过的解决特定应用场景的模型,一方面不知道应该如何选择这些框架,TalkingData推出的AndroidDeepLearningFramework就为了解决这些问题。我们提供了针对移动平台的各种类型的模型,以及它们在主流机型行的实测Benchmark,另外也提供了利用这些预训练模型和自己的数据集进行再训练的服务器端脚本和自动化工具,最后就是封装了一个上层DLAPI,让开发者可以支持各种移动端深度学习框架,并为这些模型的使用提供统计分析服务。

413日,周五
数据统计中,请稍等!
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------