O'Reilly、Cloudera 主办
Make Data Work
2017年7月12-13日:培训
2017年7月13-15日:会议
北京,中国

AI应用 (AI applications)

Add to your personal schedule
09:00–12:30 Thursday, 2017-07-13
地点: 多功能厅3(Function Room 3) 观众水平 (Level): Beginner
Yufeng Guo (Google)
TensorFlow is a popular open source machine learning library that is especially well-suited for deep learning. Yufeng Guo introduces machine learning and deep learning with concrete examples, walking you through hands-on exercises using TensorFlow and TensorBoard. 了解更多信息.
Add to your personal schedule
13:30–17:00 Thursday, 2017-07-13
地点: 多功能厅5C(Function Room 5C) 观众水平 (Level): Intermediate
Damon Deng (AWS)
深度学习正持续地在诸如计算机视觉、自然语言处理和推荐引擎等领域引领最前沿的进步。带来这个进步的一个关键因素就是大量的高度灵活和对开发人员很友好的深度学习框架的出现。在本辅导课里,亚马逊机器学习团队的成员将会就深度学习的背景做一个简短的介绍,主要关注与其相关的应用领域。并会对强大和可扩展的深度学习框架——MXNet——做一个介绍。辅导课的最后,你可以获得上手的机会来获得针对多种应用的经验,包括计算机视觉和推荐引擎等。并可以看到如何使用预先配置好的深度学习AMI和CloudFormation模版来帮助加快开发速度。 了解更多信息.
Add to your personal schedule
13:10–13:50 Friday, 2017-07-14
地点: 报告厅(Auditorium) 观众水平 (Level): Intermediate
Damon Deng (AWS)
平均得分:: ****.
(4.00, 1 次得分)
Damon Deng provides a short background on deep learning, focusing on relevant application domains, and offers an introduction to using the powerful and scalable deep learning framework MXNet. Join in to learn how MXNet works and how you can spin up AWS GPU clusters to train at record speeds. 了解更多信息.
Add to your personal schedule
14:00–14:40 Friday, 2017-07-14
地点: 报告厅(Auditorium) 观众水平 (Level): 中级 ()
Zhichao Li (Intel), Shengsheng Huang (Intel), Yiheng Wang (Intel)
平均得分:: ****.
(4.33, 3 次得分)
Zhichao Li, Shengsheng Huang, and Yiheng Wanghow explore how data scientists have adopted BigDL for deep learning analysis on large amounts of data in a distributed fashion, allowing them to use their big data cluster as a unified data analytics platform for data storage, data processing and mining, feature engineering, traditional (non-deep) machine learning, and deep learning workloads. 了解更多信息.
Add to your personal schedule
16:20–17:00 Friday, 2017-07-14
地点: 多功能厅3B(Function Room 3B) 观众水平 (Level): Beginner
李嘉璇 (58)
平均得分:: *....
(1.50, 4 次得分)
常常听到这种说法,自然语言处理是人工智能的桂冠。NLP从语言学上来看,研究的方向包括词干提取、词性还原、分词、词性标注、命名实体识别、词性消歧、句法分析、篇章分析等等。在这些基础的研究内容之上,面向具体的文本处理应用有机器翻译、文本摘要、情感分类、问答系统、聊天机器人等。使用的模型也在非常新颖地发展,从原来的RNN到GRU、到LSTM、到CW-RNN、到Seq2Seq、到加入Attention机制。从原本的Static unrolling到现在的Dynamic unrolling,甚至seqGAN。 自然语言处理的各个模型都有什么特点,除了加入双向以及加深网络外还有什么演化规律,每一次演化都是为了解决哪些技术哪点?接下来NLP基础模型还可能有哪些研究方向?在Sequential Data的处理及表示上有什什么演进规律和可以借鉴的经验?让我们来一起聊一聊这些话题。 了解更多信息.
Add to your personal schedule
13:10–13:50 Saturday, 2017-07-15
地点: 紫金大厅B(Grand Hall B) 观众水平 (Level): 中级 ()
施兴 (阿里云)
过去的几年,人工智能最火热的主要还是深度学习技术在各个场景下的应用。 可以看到,深度学习基本上还是互联网企业的独享,传统的中小企业很难有专门的团队去研究深度学习,也很难获取大规模的数据和计算能力。可以想象,未来会有更大规模的人工智能的需求和领域,依托阿里云自主研发的分布式数据存储与计算平台,我们研发了人工智能平台PAI(Platform of AI),期望将人工智能的能力赋能给各个企业。同时,针对一些通用领域,比如身份证,行驶证的图片识别,我们也基于PAI开发了一些上层的服务输出。 我们将介绍PAI的一些功能基础能力和我们现有成熟服务能力的输出,以及如何基于PAI训练一个自定义的人工智能模型并提供服务的流程。 了解更多信息.
Add to your personal schedule
13:10–13:50 Saturday, 2017-07-15
地点: 报告厅(Auditorium) 观众水平 (Level): Beginner
Yufeng Guo (Google)
Machine learning has traditionally been performed only on servers and high-performance machines, but on-device machine learning on mobile devices can be very valuable. Yufeng Guo uses TensorFlow to implement a deep learning model for image classification on an Android device, tailored to a custom dataset. You'll leave ready to get started on your own mobile deep learning solutions. 了解更多信息.
Add to your personal schedule
13:10–13:50 Saturday, 2017-07-15
地点: 多功能厅8A+8B(Function Room 8A+8B) 观众水平 (Level): 高级 ()
Dihao Chen (第四范式技术有限公司), Jianwei Cui (小米)
介绍小米内部应用的cloud machine learning平台,分析通用深度学习平台的架构设计和实现原理,还有在企业内部支持开发环境、模型训练以及模型服务的实践经验。 了解更多信息.
Add to your personal schedule
14:00–14:40 Saturday, 2017-07-15
地点: 报告厅(Auditorium) 观众水平 (Level): Intermediate
张铭 (北京大学)
平均得分:: **...
(2.50, 2 次得分)
网络结构在现实世界中无处不在(如航线网络、通信网络、论文引用网络、世界万维网和社交网络等),大规模的网络结构数据和丰富的网络节点信息对相关的研究方法提出了新的挑战,受到了学术界和工业界的广泛关注。本报告对基于神经网络的网络表示方法进行了详细的介绍,这些方法可以处理现实世界中拥有百万级节点和十亿级边的网络结构,主要考虑了网络结构信息和网络节点自身信息(如文本信息和属性信息等)。学习网络的低维网络表示,在不同应用领域中体现出很好的效率和效果。 了解更多信息.
Add to your personal schedule
14:50–15:30 Saturday, 2017-07-15
地点: 报告厅(Auditorium) 观众水平 (Level): 中级 (Intermediate)
Shaoshan Liu (PerceptIn)
The rise of robotics applications demands new cloud architectures that deliver high throughput and low latency. Shaoshan Liu explains how PerceptIn designed and implemented a cloud architecture to support these emerging user requirements using Alluxio. 了解更多信息.
Add to your personal schedule
14:50–15:30 Saturday, 2017-07-15
地点: 多功能厅8A+8B(Function Room 8A+8B) 观众水平 (Level): 中级 ()
李成华 (武汉泰迪智慧科技有限公司)
随着技术和市场的高歌猛进,人工智能正成为数据、服务、产品接入人类生活的重要入口。聊天机器人的演变与发展让它慢慢融入人们的日常生活,从手机上的虚拟助理到实际在线客服,聊天机器人的发展之路不算短。 传统的智能聊天机器人有一个比较大的痛点是交互体验不好,智能化程度低,而通过研究深度学习,自然语言处理,短文本处理,大数据等技术,改进智能聊天机器人的应答准确率,提高咨询效率。 这次演讲会与大家分享智能聊天机器人的核心设计思路,如何利用深度学习,自然语言处理,知识图谱,用户画像等技术进行实现,以及使用深度学习构建聊天机器人采用的主体技术框架以及面临的一些独特问题及相应的解决方案。 了解更多信息.
Add to your personal schedule
16:20–17:00 Saturday, 2017-07-15
地点: 报告厅(Auditorium) 观众水平 (Level): Advanced
陈雨强 (第四范式)
AI的强大让各行各业纷纷侧目,未来对AI的应用情况将极大影响一家企业在市场中的位置。 然而, 在实验室叱咤风云的AI技术一旦应用到实际,难免水土不服。 那么,AI工业应用的必要条件是什么?痛点有哪些?如何解决?如何从系统层面、模型&特征层面、模型维度层面、实施上线层面实现突破?针对常见场景中的常见难点,有哪些黑科技正在起作用? 本演讲旨在分享演讲者在互联网、金融、电信等领域的人工智能工业应用实践中的痛点及解决思路。 了解更多信息.

联系OReillyData

关注OReillyData微信号获取最新会议信息并浏览前沿数据文章。

WeChat QRcode

 

Stay Connected Image 1
Stay Connected Image 3
Stay Connected Image 2

阅读关于大数据的最新理念。

ORB Data Site