议题大全|AI Conference 2019北京站重磅回归!
发布时间:2019-04-23

王书浩(透澈影像):人造智能病理影像辅助诊断体系——从手段到落地

添州大学伯克利分校EECS教授,RISELab主任。与Ali Ghodsi等人说相符竖立Databricks公司并兼任实走主席。ACM研究员。

Alejandro Saucedo(The Institute for Ethical Ai & Machine Learning)

英特尔OpenVINO:添速从边缘到云的深度学习推理和计算机视觉

Henry Zeng(Microsoft),Emma Ning(Microsoft):ONNX:盛开和互操作平台让AI无处不在

鞠芳(中国人寿研发中央):保险中的机器学习实践

WEIQIANG ZHUANG (IBM),Huaxin Gao (IBM):在荟萃平台上的人造智能管道

Kaz Sato (Google):ML OPS和Kubeflow管道

Linkedin工程副总裁,IDG Capital创业相符伙人。

Aileen Nielsen (Skillman Consulting):深度展望:时间序列深度学习一年回顾

Vijay Agneeswaran(Publicis Sapient), Abhishek Kumar(Publicis Sapient):Industrialized Capsule Networks for Text Analytics(用于文本分析的工业化胶囊网络)

那么本次大会上将会有哪些令人憧憬的行家大咖和引人入胜的精彩内容呢?让吾们一结果睹为快:

Jesse Anderson (Big Data Institute)

Richard Liaw(UC Berkeley RISELab)

Bichen Wu (UC Berkeley):Efficient Deep Learning for the Edge(高效的边缘深度学习)

Hui Xue(微柔亚洲研究院):自动机器学习(automated machine learning)技术的实践与答用

Season Yang (McKinsey & Company)

Deep Learning with TensorFlow(操纵TensorFlow进走深度学习)

Zhichao Li(Intel)

时间:6月19日(周三)

Ying Liu(Abakus 鲸算科技(Wecash闪银)):A Humane AI Solution to Improve Debt Collection

Tiezhen Wang(Google):TensorFlow 2.0中令人高昂的新功能

基于深度学习的时间序列展望

Chris Butler(IPSoft)

TensorFlow库挑供了计算图形的操纵,能够跨资源自动并走化。该架构专门正当实现神经网络。本培训课程将介绍TensorFlow的Python功能。它将逐步从构建机器学习算法转向操纵TensorFlow挑供的Keras API和几个脱手答用程序。

Joseph Spisak (Facebook):Bringing Research And Production Together With PyTorch 1.0

Maulik Soneji (Go-jek),Jewel James (Go-jek):操纵ML做个性化食物选举议

注:因篇幅有限,此处只列讲师和议题,细目请见官网

贾扬清

Jike Chong(Tsinghua University|Acorns), 黄铃(Tsinghua University), 陈薇(排列科技)

Mingxi Wu(TigerGraph):非监督学习在大周围图谱上的案例答用和开源算法剖析

Cong Yang(Clobotics):Towards Automatic Product Recognition for Smart Retails

实用的教学辅导课

Yijing Chen(Microsoft),Dmitry Pechyoni(Microsoft),Angus Taylor (Microsoft), Vanja Paunic (Microsoft), Henry Zeng (Microsoft)

Jesse Anderson将带领行家深入研究Apache Kafka。学习者将在本课程中晓畅Kafka是如何做事的,以及如何用它创建实时体系。同时,学习者还将晓畅如何在Kafka中创建消耗者和发布者,以及如何在追求Kafka生态体系时如何操纵Kafka Streams,Kafka Connect和KSQL。

Lei Xia (Intel):Intel架构的矮精度推理

Tao Lu (Microsoft), Chenhui Hu (Microsoft):操纵膨胀卷积神经网络展望客户运动:用例和最佳实践

本培训课基于清华大学交叉新闻研究院开设的一门“量化金融名誉与风控分析”研究生课。其中会用LendingClub的实在借贷数据做为案例,解说一些详细模型的实现,协助学习者晓畅数据科学在互联网金融周围里在幼我名誉评估的价值;晓畅幼我名誉周围实在的数据科学流程和考虑方面;晓畅名誉模型搭建中众栽挑衅的解决方案。

温浩(云从科技):打造A.I.闭环引领产业变革

陈玉荣(Intel):在边缘实现深度学习

与人造智能交互:设计,指标,产品管理,机器人等。

时间:6月20日(周四)

Bas Geerdink (ING):AI在ING:数据驱动型企业的成因,手段和内容

不凡的主题演讲者(不息更新中)

Li Yuan (Perceptin 深圳普思英察科技有限公司):自动驾驶技术是如何答用于新潮传媒、新零售走业

Michael James

本届AI Conference 2019北京站已经最先注册,现在是早期优惠票价阶段(截止日期:5月10日),搜索AI大会或人造智能大会,进入官网查望细目。

PyTorch是一个用于Python的机器学习库,批准用户以极大的变通性构建深度神经网络。 其易于操纵的API和GPU的无缝操纵使其成为深度学习的炎门工具。 本课程将介绍PyTorch做事流程并演示如何操纵它。学习者将掌握操纵实在数据集构建深度学习模型的知识。

Professional Kafka development(专科的Kafka开发)

议决自动化机器学习民主化和添速AI落地(Democratizing and Accelerating AI through Automated Machine Learning)

Guoqiong Song(Intel),Luyang Wang(Office Depot),Jennie Wang(Intel),Jing (Nicole) Kong(Office Depot):Real-time product recommendations leveraging deep learning on Apache Spark in Office Depot

Building reinforcement learning models and AI applications with Ray

Mark Ryan(IBM),Alina Li Zhang(Skylinerunners):Using deep learning and time-series forecasting to reduce transit delays

Sujatha Sagiraju (Microsoft), Henry Zeng(Microsoft)

时间:6月21日(周五)

Analytics Zoo:Apache Spark上的分布式Tensorflow和Keras

在本课程中,学习者将:1.晓畅卷积和递归神经网络的基础知识及其在时间序列展望中有效的高级架构。2.晓畅何时在时间序列展望中操纵深度学习模型而不是传统的时间序列模型。3.晓畅对于构建时间序列展望的成功深度学习模型专门主要的一些技术和技巧。4.获取操纵Keras训练和调整时间序列展望深度学习模型示例的源代码。

David Low (Pand.ai):The Unreasonable Effectiveness of Transfer Learning on NLP

安敖日奇朗(Rakuten, Inc.),TzuLin Chin (Rakuten, Inc.):Best practice of building data science platform in Rakuten

添州大学伯克利分校计算机科学博士。现在担作阿里计算平台掌门人,Caffe、TensorFlow、Caffe2、ONNX 和 PyTorch 1.0的作者或共同作者。

企业中的人造智能:实走简报,案例研究及用例,走业特定答用等。

麻省理工学院计算机科学与人造智能实验室副教授,研究重点是构建和操纵机器学习体系。2017年大片面时间,Tim在Google Research做事,与MLX和Brain团队一首发清新学习型索引组织的概念。

Design Thinking for AI

Google Brain团队移动和嵌入式TensorFlow Group技术主管。O'Reilly Media 《公共数据手册》和《大数据词汇外》作者,OpenHeatMap和 Data Science Toolkit以及其他开源项方针构建者。

Sarah Aerni (Salesforce Einstein):Achieving Salesforce-Scale Machine Learning in Production

人造智能对商业及社会的影响:自动化,坦然,规范等。

Deep Learning with PyTorch(操纵PyTorch进走深度学习)

Dongfeng Chen (Clobotics):人造智能如何彻底转折风电走业

Pete Warden

学习者将获得关于机器学习中私见概念的高层次的形而上学概述,这将有助于清除歧义,并在面对实际情况时简化挑衅。从技术角度来望,学习者将深切晓畅到评估机器学习模型整个生命周期过错的3个关键步骤,晓畅如何在实际示例中操纵关键机器学习概念,如特征主要性,类不屈衡,模型分析,片面倚赖性等,以及这些数据科学基础设施如何用于与关键周围行家的互动之中。

杨博理(宜信大数据创新中央):线上财富管理周围中的AI答用

Yiheng Wang(Tencent):Sparkling: 基于Apache Spark进走一站式机器学习

Zhen Zhao (Intel)

“Analytics Zoo”:挑供同一的分析 AI平台,可将Spark,TensorFlow,Keras和BigDL程序无缝集成到一个集成的管道中; 然后,整个管道能够透明地扩展到大型Hadoop / Spark集群,以进走分布式培训或推理。

Tim Kraska

在本课程中,学习者将晓畅如何构建和生成大数据的深度学习答用程序(例如,基于迁移学习的图像分类,降水临近预报的序列到序列展望,选举的神经协同过滤,无监督的时间序列变态检测等)以及操纵Analytics Zoo的实在用例(如JD.com,MLSListings,世界银走、银联、美的/ KUKA等)

杨军(Alibaba),龙国平(Alibaba):PAI张量添

在本教学课程中,学习者将学习英特尔OpenVINO?工具包的结宣战做事流程,两个用于深度学习安放和计算机视觉的模块,异步和异构计算的优化手段,矮精度(INT8)推理,带性能库的指令集添速,以及OpenVINO内部的分析工具。 吾们还将议决将英特尔OpenVINO集成到商业和工业答用中来商议视频分析解决方案。

在这边你能够仔细剖析案例,深入研讨最新研究收获,学习如何在本身项现在中实现人造智能,分享在智能工程和答用中正在展现的最佳实践,展现人造智能的限制及未被挖掘的机遇,并参与商议人造智能将会如何转折商业世界的版图。不论你的关注点在那里,都将在本次大会上找到:

抢票参会:

人造智能挑供的智能体验对用户来说就像魔术相通。然而,开发它们相等麻烦,包括一系列不息的、相互有关的决策,这一过程专门耗时。倘若有一个自动服务能够识别给定题目/数据的最佳机器学习管道,该怎么办?自动机器学习就是如许!

Yang Wang (Intel):Analytics Zoo: Distributed TensorFlow in Production on Apache Spark

特出的培训课

Maria Zhang

Arun Verma(Bloomberg):Trading strategies using Alternative data and Machine Learning

大会主题演讲嘉宾和议题演讲内容还在不息更新中,等到大会开幕的时候,还会新添哪些激动人心的大咖和内容呢?让吾们拭现在以待!

Shengsheng Huang (Intel):在Spark上操纵人造智能玩游玩

Yue Cathy Chang (TutumGene):人造智能与基因组学的结相符:添速理解吾们的基因组成,并行使基因组编辑来革新医学

Ray是一个通用的集群编程框架。吾们将深入研究Ray,引导您晓畅其API和体系架构,并共享答用程序示例,包括一些最先辈的人造智能算法。

刘祁跃(喜欢奇艺):视频精彩度分析及智能创作

精彩纷呈的议题演讲

David Maman (Binah.ai):Hacking Humans Made Easy: Signal Processing AI Video

Rich Ott (The Data Incubator)

本次大会将硅谷与中国融相符在一首,创造了一次全球人造智能行家可贵的召集。会议主题及有关议题的演讲者为来自各大公司、企业,以及国内外著名高校的人造智能行家,包括谷歌、Intel、Facebook、Uber、微柔、阿里巴巴、亚马逊、中国人寿、美团、SAS、Unity、SalesForce、IBM、MIT、伯克利、斯坦福、清华大学等。

Zhenxiao Luo (Uber):查询地球:Uber的地理空间大数据分析

Alex Ingerman(Google):The future of machine learning is decentralized

时间:6月18日(周二)和6月19日(周三)

Cerebras Systems的创首人兼首席柔件架构师。AMD的研究员。

Hongyu Cui (DataVisor):行使自动化AI技术抨击“智能化”网络敲诈

实走人造智能项现在:答用,工具,架构,坦然等

李苍柏(中国地质科学院矿产资源研究所):基于现在标检测的智能化成矿变态新闻挑取

Weisheng Xie (China Telecom BestPay Co., Ltd):中国电信如何行使Adversarial AutoEncoder抨击金融诈骗

方针、清晰的题目和人们的信任是任何体系的主要因素,稀奇是那些操纵人造智能的体系。Chris Butler引导您议决借鉴设计思想原则的演习,协助您创建更有效的解决方案和更益的团队配相符。

量化互联网金融名誉与逆敲诈风控

Ion Stoica

A practical guide towards explainability and bias evaluation in machine learning(机器学习中可注释性和过错评估的实用指南)

2019年6月18日至21日,“AI Conference 2019北京站”大会将在北京国际饭店会议中央盛大举走。“AI Conference”由O’Reilly和Intel说相符主理,2018年的全球四站会议曾引首人造智能周围普及关注和远大益评。此次北京站大会也是今年这个全球瞩方针盛会即纽约站后的重磅回归。大会一如既去地将关偏重点放在人造智能的实际答用上,宗旨就是为了弥相符人造智能研究周围与产业商业答用之间的实际差距。

模型及手段:添强及机器学习,TensorFlow,深度学习,GAN,自然说话处理及理解,语音识别,计算机视觉等。

刘怀军 (研究员, 美团):AI技术在外卖个性化场景中的落地与思考

Chaoguang Li(Qiniu),Bin Fan (Alluxio):AVA: a Cloud-Native Deep Learning Platform at Qiniu