議題大全｜AI Conference 2019北京站重磅回歸！

　　2019年6月18日至21日，“AI Conference 2019北京站”大會(huì)將在北京國際飯店會(huì)議中心盛大舉行。“AI Conference”由O’Reilly和Intel聯(lián)合主辦，2018年的全球四站會(huì)議曾引起人工智能領(lǐng)域廣泛關(guān)注和普遍好評。此次北京站大會(huì)也是今年這個(gè)全球矚目的盛會(huì)即紐約站后的重磅回歸。大會(huì)一如既往地將關(guān)注重點(diǎn)放在人工智能的實(shí)際應(yīng)用上，宗旨就是為了彌合人工智能研究領(lǐng)域與產(chǎn)業(yè)商業(yè)應(yīng)用之間的現(xiàn)實(shí)差距。

　　本次大會(huì)將硅谷與中國融合在一起，創(chuàng)造了一次全球人工智能專家難得的相聚。會(huì)議主題及相關(guān)議題的演講者為來自各大公司、企業(yè)，以及國內(nèi)外著名高校的人工智能專家，包括谷歌、Intel、Facebook、Uber、微軟、阿里巴巴、亞馬遜、中國人壽、美團(tuán)、SAS、Unity、SalesForce、IBM、MIT、伯克利、斯坦福、清華大學(xué)等。

　　在這里你可以仔細(xì)剖析案例，深入鉆研最新研究成果，學(xué)習(xí)如何在自己項(xiàng)目中實(shí)現(xiàn)人工智能，分享在智能工程和應(yīng)用中正在出現(xiàn)的最佳實(shí)踐，揭示人工智能的局限及未被發(fā)掘的機(jī)遇，并參與討論人工智能將會(huì)如何改變商業(yè)世界的版圖。無論你的關(guān)注點(diǎn)在哪里，都將在本次大會(huì)上找到：

　　企業(yè)中的人工智能：執(zhí)行簡報(bào)，案例研究及用例，行業(yè)特定應(yīng)用等。

　　人工智能對商業(yè)及社會(huì)的影響：自動(dòng)化，安全，規(guī)范等。

　　實(shí)施人工智能項(xiàng)目：應(yīng)用，工具，架構(gòu)，安全等

　　與人工智能交互：設(shè)計(jì)，指標(biāo)，產(chǎn)品管理，機(jī)器人等。

　　模型及方法：增強(qiáng)及機(jī)器學(xué)習(xí)，TensorFlow，深度學(xué)習(xí)，GAN，自然語言處理及理解，語音識別，計(jì)算機(jī)視覺等。

　　那么本次大會(huì)上將會(huì)有哪些令人期待的專家大咖和引人入勝的精彩內(nèi)容呢?讓我們一起先睹為快：

　　卓越的主題演講者（持續(xù)更新中）

　　#FormatImgID_1#

　　Ion Stoica

　　加州大學(xué)伯克利分校EECS教授，RISELab主任。與Ali Ghodsi等人聯(lián)合創(chuàng)立Databricks公司并兼任執(zhí)行主席。ACM研究員。

　　賈揚(yáng)清

　　加州大學(xué)伯克利分校計(jì)算機(jī)科學(xué)博士。目前擔(dān)作阿里計(jì)算平臺(tái)掌門人，Caffe、TensorFlow、Caffe2、ONNX和PyTorch 1.0的作者或共同作者。

　　Pete Warden

　　Google Brain團(tuán)隊(duì)移動(dòng)和嵌入式TensorFlow Group技術(shù)主管。O'Reilly Media《公共數(shù)據(jù)手冊》和《大數(shù)據(jù)詞匯表》作者，OpenHeatMap和Data Science Toolkit以及其他開源項(xiàng)目的構(gòu)建者。

　　Maria Zhang

　　Linkedin工程副總裁，IDGCapital創(chuàng)業(yè)合伙人。

　　Tim Kraska

　　麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室副教授，研究重點(diǎn)是構(gòu)建和使用機(jī)器學(xué)習(xí)系統(tǒng)。2017年大部分時(shí)間，Tim在Google Research工作，與MLX和Brain團(tuán)隊(duì)一起發(fā)明了學(xué)習(xí)型索引結(jié)構(gòu)的概念。

　　Michael James

　　Cerebras Systems的創(chuàng)始人兼首席軟件架構(gòu)師。AMD的研究員。

　　出色的培訓(xùn)課

　　時(shí)間：6月18日(周二)和6月19日(周三)

　　Jike Chong(Tsinghua University|Acorns),黃鈴(Tsinghua University),陳薇(排列科技)

　　量化互聯(lián)網(wǎng)金融信用與反欺詐風(fēng)控

　　本培訓(xùn)課基于清華大學(xué)交叉信息研究院開設(shè)的一門“量化金融信用與風(fēng)控分析”研究生課。其中會(huì)用LendingClub的真實(shí)借貸數(shù)據(jù)做為案例，解說一些具體模型的實(shí)現(xiàn)，幫助學(xué)習(xí)者了解數(shù)據(jù)科學(xué)在互聯(lián)網(wǎng)金融領(lǐng)域里在個(gè)人信用評估的價(jià)值;了解個(gè)人信用領(lǐng)域真實(shí)的數(shù)據(jù)科學(xué)流程和考慮方面;了解信用模型搭建中多種挑戰(zhàn)的解決方案。

　　Rich Ott(The Data Incubator)

　　Deep Learning with PyTorch(使用PyTorch進(jìn)行深度學(xué)習(xí))

　　PyTorch是一個(gè)用于Python的機(jī)器學(xué)習(xí)庫，允許用戶以極大的靈活性構(gòu)建深度神經(jīng)網(wǎng)絡(luò)。其易于使用的API和GPU的無縫使用使其成為深度學(xué)習(xí)的熱門工具。本課程將介紹PyTorch工作流程并演示如何使用它。學(xué)習(xí)者將掌握使用真實(shí)數(shù)據(jù)集構(gòu)建深度學(xué)習(xí)模型的知識。

　　Season Yang(McKinsey & Company)

　　Deep Learning with TensorFlow(使用TensorFlow進(jìn)行深度學(xué)習(xí))

　　TensorFlow庫提供了計(jì)算圖形的使用，可以跨資源自動(dòng)并行化。該架構(gòu)非常適合實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)。本培訓(xùn)課程將介紹TensorFlow的Python功能。它將逐步從構(gòu)建機(jī)器學(xué)習(xí)算法轉(zhuǎn)向使用TensorFlow提供的Keras API和幾個(gè)動(dòng)手應(yīng)用程序。

　　Jesse Anderson(Big Data Institute)

　　Professional Kafka development(專業(yè)的Kafka開發(fā))

　　Jesse Anderson將帶領(lǐng)大家深入研究Apache Kafka。學(xué)習(xí)者將在本課程中了解Kafka是如何工作的，以及如何用它創(chuàng)建實(shí)時(shí)系統(tǒng)。同時(shí)，學(xué)習(xí)者還將了解如何在Kafka中創(chuàng)建消費(fèi)者和發(fā)布者，以及如何在探索Kafka生態(tài)系統(tǒng)時(shí)如何使用Kafka Streams，Kafka Connect和KSQL。

　　實(shí)用的教學(xué)輔導(dǎo)課

　　時(shí)間：6月19日(周三)

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

　　A practical guide towards explainability and bias evaluation in machine learning(機(jī)器學(xué)習(xí)中可解釋性和偏差評估的實(shí)用指南)

　　學(xué)習(xí)者將獲得關(guān)于機(jī)器學(xué)習(xí)中偏見概念的高層次的哲學(xué)概述，這將有助于消除歧義，并在面對實(shí)際情況時(shí)簡化挑戰(zhàn)。從技術(shù)角度來看，學(xué)習(xí)者將深刻了解到評估機(jī)器學(xué)習(xí)模型整個(gè)生命周期偏差的3個(gè)關(guān)鍵步驟，了解如何在實(shí)際示例中使用關(guān)鍵機(jī)器學(xué)習(xí)概念，如特征重要性，類不平衡，模型分析，部分依賴性等，以及這些數(shù)據(jù)科學(xué)基礎(chǔ)設(shè)施如何用于與關(guān)鍵領(lǐng)域?qū)＜业幕��?dòng)之中。

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

　　基于深度學(xué)習(xí)的時(shí)間序列預(yù)測

　　在本課程中，學(xué)習(xí)者將：1.了解卷積和遞歸神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識及其在時(shí)間序列預(yù)測中有效的高級架構(gòu)。2.了解何時(shí)在時(shí)間序列預(yù)測中使用深度學(xué)習(xí)模型而不是傳統(tǒng)的時(shí)間序列模型。3.了解對于構(gòu)建時(shí)間序列預(yù)測的成功深度學(xué)習(xí)模型非常重要的一些技術(shù)和技巧。4.獲取使用Keras訓(xùn)練和調(diào)整時(shí)間序列預(yù)測深度學(xué)習(xí)模型示例的源代碼。

　　Zhichao Li(Intel)

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

　　“Analytics Zoo”：提供統(tǒng)一的分析+ AI平臺(tái)，可將Spark，TensorFlow，Keras和BigDL程序無縫集成到一個(gè)集成的管道中;然后，整個(gè)管道可以透明地?cái)U(kuò)展到大型Hadoop / Spark集群，以進(jìn)行分布式培訓(xùn)或推理。

　　在本課程中，學(xué)習(xí)者將了解如何構(gòu)建和生成大數(shù)據(jù)的深度學(xué)習(xí)應(yīng)用程序(例如，基于轉(zhuǎn)移學(xué)習(xí)的圖像分類，降水臨近預(yù)報(bào)的序列到序列預(yù)測，推薦的神經(jīng)協(xié)同過濾，無監(jiān)督的時(shí)間序列異常檢測等)以及使用Analytics Zoo的真實(shí)用例(如JD.com，MLSListings，世界銀行、銀聯(lián)、美的/ KUKA等)

　　Zhen Zhao(Intel)

　　英特爾OpenVINO：加速從邊緣到云的深度學(xué)習(xí)推理和計(jì)算機(jī)視覺

　　在本教學(xué)課程中，學(xué)習(xí)者將學(xué)習(xí)英特爾OpenVINO™工具包的結(jié)構(gòu)和工作流程，兩個(gè)用于深度學(xué)習(xí)部署和計(jì)算機(jī)視覺的模塊，異步和異構(gòu)計(jì)算的優(yōu)化方法，低精度(INT8)推理，帶性能庫的指令集加速，以及OpenVINO內(nèi)部的分析工具。我們還將通過將英特爾OpenVINO集成到商業(yè)和工業(yè)應(yīng)用中來討論視頻分析解決方案。

　　Chris Butler(IPSoft)

　　Design Thinking for AI

　　目的、明確的問題和人們的信任是任何系統(tǒng)的重要因素，特別是那些使用人工智能的系統(tǒng)。Chris Butler引導(dǎo)您通過借鑒設(shè)計(jì)思維原則的練習(xí)，幫助您創(chuàng)建更有效的解決方案和更好的團(tuán)隊(duì)協(xié)作。

　　Sujatha Sagiraju(Microsoft),Henry Zeng(Microsoft)

　　通過自動(dòng)化機(jī)器學(xué)習(xí)民主化和加速AI落地(Democratizing and Accelerating AI through Automated Machine Learning)

　　人工智能提供的智能體驗(yàn)對用戶來說就像魔術(shù)一樣。然而，開發(fā)它們相當(dāng)麻煩，包括一系列連續(xù)的、相互關(guān)聯(lián)的決策，這一過程非常耗時(shí)。如果有一個(gè)自動(dòng)服務(wù)可以識別給定問題/數(shù)據(jù)的最佳機(jī)器學(xué)習(xí)管道，該怎么辦?自動(dòng)機(jī)器學(xué)習(xí)就是這樣!

　　Richard Liaw(UC Berkeley RISELab)

　　Building reinforcement learning models and AI applications with Ray

　　Ray是一個(gè)通用的集群編程框架。我們將深入研究Ray，引導(dǎo)您了解其API和系統(tǒng)架構(gòu)，并共享應(yīng)用程序示例，包括一些最先進(jìn)的人工智能算法。

　　精彩紛呈的議題演講

　　注：因篇幅有限，此處只列講師和議題，詳情請見官網(wǎng)

　　時(shí)間：6月20日(周四)

　　劉懷軍(研究員,美團(tuán))：AI技術(shù)在外賣個(gè)性化場景中的落地與思考

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

　　劉祁躍(愛奇藝)：視頻精彩度分析及智能創(chuàng)作

　　Tao Lu(Microsoft),Chenhui Hu(Microsoft)：使用擴(kuò)張卷積神經(jīng)網(wǎng)絡(luò)預(yù)測客戶活動(dòng)：用例和最佳實(shí)踐

　　Bichen Wu(UC Berkeley)：Efficient Deep Learning for the Edge(高效的邊緣深度學(xué)習(xí))

　　Henry Zeng(Microsoft),Emma Ning(Microsoft)：ONNX:開放和互操作平臺(tái)讓AI無處不在

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

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

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

　　Tiezhen Wang(Google)：TensorFlow 2.0中令人興奮的新功能

　　Vijay Agneeswaran(Publicis Sapient), Abhishek Kumar(Publicis Sapient)：Industrialized Capsule Networks for Text Analytics(用于文本分析的工業(yè)化膠囊網(wǎng)絡(luò))

　　楊博理(宜信大數(shù)據(jù)創(chuàng)新中心)：線上財(cái)富管理領(lǐng)域中的AI應(yīng)用

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

　　Hui Xue(微軟亞洲研究院)：自動(dòng)機(jī)器學(xué)習(xí)(automated machine learning)技術(shù)的實(shí)踐與應(yīng)用

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

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

　　溫浩(云從科技)：打造A.I.閉環(huán)引領(lǐng)產(chǎn)業(yè)變革

　　Dongfeng Chen(Clobotics)：人工智能如何徹底改變風(fēng)電行業(yè)

　　Shengsheng Huang(Intel)：在Spark上使用人工智能玩游戲

　　時(shí)間：6月21日(周五)

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

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

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

　　Li Yuan(Perceptin深圳普思英察科技有限公司)：自動(dòng)駕駛技術(shù)是如何應(yīng)用于新潮傳媒、新零售行業(yè)

　　Yue Cathy Chang(TutumGene)：人工智能與基因組學(xué)的結(jié)合：加速理解我們的基因構(gòu)成，并利用基因組編輯來革新醫(yī)學(xué)

　　Yiheng Wang(Tencent)：Sparkling:基于Apache Spark進(jìn)行一站式機(jī)器學(xué)習(xí)

　　Weisheng Xie(China Telecom BestPay Co., Ltd)：中國電信如何利用Adversarial AutoEncoder打擊金融詐騙

　　陳玉榮(Intel)：在邊緣實(shí)現(xiàn)深度學(xué)習(xí)

　　Aileen Nielsen(Skillman Consulting)：深度預(yù)測：時(shí)間序列深度學(xué)習(xí)一年回顧

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

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

　　王書浩(透徹影像)：人工智能病理影像輔助診斷系統(tǒng)——從方法到落地

　　Mingxi Wu(TigerGraph)：非監(jiān)督學(xué)習(xí)在大規(guī)模圖譜上的案例應(yīng)用和開源算法剖析

　　Kaz Sato(Google)：ML OPS和Kubeflow管道

　　Zhenxiao Luo(Uber)：查詢地球：Uber的地理空間大數(shù)據(jù)分析

　　WEIQIANG ZHUANG(IBM),Huaxin Gao (IBM)：在集合平臺(tái)上的人工智能管道

　　Hongyu Cui(DataVisor)：運(yùn)用自動(dòng)化AI技術(shù)打擊“智能化”網(wǎng)絡(luò)欺詐

　　楊軍(Alibaba),龍國平(Alibaba)：PAI張量加速器和優(yōu)化器——又一個(gè)深度學(xué)習(xí)編譯器

　　Bas Geerdink(ING)：AI在ING：數(shù)據(jù)驅(qū)動(dòng)型企業(yè)的成因，方式和內(nèi)容

　　鞠芳(中國人壽研發(fā)中心)：保險(xiǎn)中的機(jī)器學(xué)習(xí)實(shí)踐

　　Maulik Soneji(Go-jek),Jewel James(Go-jek)：使用ML做個(gè)性化食物推薦議

　　李蒼柏(中國地質(zhì)科學(xué)院礦產(chǎn)資源研究所)：基于目標(biāo)檢測的智能化成礦異常信息提取

　　Lei Xia(Intel)：Intel架構(gòu)的低精度推理

　　大會(huì)主題演講嘉賓和議題演講內(nèi)容還在持續(xù)更新中，等到大會(huì)開幕的時(shí)候，還會(huì)新增哪些激動(dòng)人心的大咖和內(nèi)容呢?讓我們拭目以待!

　　搶票參會(huì)：

　　本屆AI Conference 2019北京站已經(jīng)開始注冊，現(xiàn)在是早期優(yōu)惠票價(jià)階段(截止日期：5月10日)，搜索AI大會(huì)或人工智能大會(huì)，進(jìn)入官網(wǎng)查看詳情。