你想见的大神都来AI ProCon 2019了,优惠票限时抢购开启!

如今 AI 的发展真实地面临着诸多瓶颈、尽管很多智能助手已经可以执行很多任务,但距离真正的人机自然交互还需要很长时间;强人工智能也迟迟未出现,不知何时才能出现;现有的 AI 只能做好一件事,Alpha Go 只会下棋,并不擅长垃圾分类。再如基础理论研究缺失,深度学习的黑箱属性无解,把一切托付于未知并不可靠;对伦理问题的不重视将会引发重大灾难。此外,数据、泛化、能耗、语义鸿沟等问题,也都是 AI 发展道路上绕不过去的瓶颈。

 

当前,人工智能发展的现状究竟如何?学术界和产业界又提出了哪些最新的技术和研究来解决目前人工智能前进的障碍?2019 年 AI 开发者大会,专为探讨这些谜题而生。

 

2019 AI 开发者大会(AI ProCon 2019)是由中国 IT 社区 CSDN 主办的 AI 技术与产业年度盛会。2019年 9 月 6-7 日,大会将有近百位中美顶尖 AI 专家、知名企业代表以及千余名 AI 开发者齐聚北京,进行技术解读和产业论证。9 大 AI 技术专题,紧跟技术潮流

 

想听落地的技术?想了解前沿研究?想为自己的下一步找到方向?2019 AI 开发者大会(AI ProCon2019)将为大家一网打尽。大会除 Keynote 外,还专设 9 大 AI 技术专题机器学习、计算机视觉、自然语言处理、知识图谱、推荐系统、5G 驱动 AIoT、AI 开源、AI+小程序、AI+DevOps

       640?wx_fmt=png        

 

60 余位 AI 技术专家“只谈技术,拒绝空谈

 

本次大会,我们已经邀请到:

 

 

 

  • 蒋涛:CSDN创始人&董事长、极客帮创始合伙人

  • 贾扬清:阿里巴巴技术副总裁

 

 

机器学习技术

 

  • 袁进辉:北京一流科技公司创始人&CEO(专题出品人)

  • 杨非:好未来 AI Lab 算法科学家

  • 卢一峰:Google Brain 资深工程师,主导研发了 Google 第一款 AutoML 产品Cloud AutoML Vision

  • 唐博:滴滴出行资深软件工程师,负责机器学习平台调度系统

  • 陈伟:搜狗 AI 交互技术中心高级总监,语音交互技术负责人

 

 

计算机视觉技术

 

  • 王华彦:快手硅谷实验室负责人(专题出品人)

  • 杨睿刚:百度研究院三维视觉首席科学家,机器人和自动驾驶实验室负责人

  • 王乃岩:图森未来合伙人&首席科学家

  • 石建萍:商汤科技研究总监

  • 张祥雨:旷视研究院主任研究员、基础模型组负责人

 

 

自然语言处理技术

 

  • 张俊林:新浪微博机器学习团队 AI Lab 负责人(专题出品人)

  • 初敏思必驰副总裁、北京研发院院长

  • 周力:微软小冰全球首席架构师及研发总监

  • 崔一鸣:科大讯飞 AI 研究院资深研究员

  • 邵浩:上海瓦歌智能有限公司总经理,狗尾草科技人工智能研究院院长

 

 

知识图谱技术

 

  • 袁晶:华为云语音语义域负责人、首席科学家(专题出品人)

  • 王昊奋:乐言科技 CTO

  • 张伟:阿里巴巴业务平台商品知识图谱负责人

  • 肖仰华:复旦大学教授、博士生导师、复旦大学知识工场实验室负责人

  • 张富峥:美团点评 NLP 中心,知识图谱算法负责人

 

 

推荐系统技术

 

  • 朱小强:阿里资深算法专家,现任阿里妈妈深度学习算法平台负责人、兼任定向广告&信息流广告排序技术团队负责人(专题出品人)

  • 殷大伟:京东集团高级总监,负责管理推荐工程团队

  • 唐睿明:华为诺亚方舟实验室推荐与搜索项目组资深研究员

 

 

5G 驱动 AIoT 技术

 

  • 韦青:微软(中国)首席技术官(专题出品人)

  • 孙松林:教授,博士生导师,北京邮电大学信息与通信工程学院多媒体教研中心主任,IEEE高级会员、中国计算机学会CCF高级会员、ACM会员

  • 梁家恩:云知声董事长、CTO

  • 王强:华为 IoT 服务产品部总经理

  • 肖江:金山云 AIoT 事业部高级研发总监

 

 

AI开源

 

  • 林伟:阿里巴巴资深算法专家,阿里妈妈搜索广告排序和机制算法负责人

  • 马超:亚马逊 AWS AI 应用科学家

  • 何亮亮:小米深度学习框架负责人

 

 

AI+DevOps

 

  • 黄哲铿:中通商业 CTO,前 1 药网技术 VP、海尔农业电商 CTO、1 号店技术总监,畅销书《技术管理之巅》作者,“技术领导力社区”发起人(专题出品人)

  • 腾圣波:阿里巴巴高级技术专家

  • 蒋凡:饿了么高级科学家

 

 

AI+小程序

 

  • 俞玶:Google Brain 工程师,TensorFlow.js 项目负责人,曾担任 Google Attribution 平台技术负责人

  • 陈胤立:小米快应用技术总监

 

更多重磅嘉宾正在确认中……

 

(最终出席嘉宾以会议现场为主)

            

 

 

AI Top 30+正式启动

 

另外,2019 年的 AI 优秀案例评选活动再度升级,CSDN AI 科技大本营将评选出 Top 30+ 优秀案例,评选标准也将从解决方案、客户服务、公司背景三大方向出发,以是否有技术突破或应用创新,是否能够代表所在行业或领域的应用需求和特点为主要评选标准,每一方向有更细致的评选维度。我们希望评选出未来影响人类发展的变革性AI产品/解决方案,同时有理由相信,挖掘出的那些优秀案例还会给不同 AI 行业领域带来启迪,进而推动整个 AI 行业的发展进程。

 

评选流程:

 

  • 案例收集:7 月 20 日-8 月 31 日

  • 专家评选,获奖结果公布:9 月 1 日-9 月 3 日

  • 颁布奖项:9 月 6 日

 

获奖权益

 

1、50+ 以上媒体平台的联合宣传,各行业上榜的最佳应用案例和最具成长潜力 AI 创业公司还可能获得 AI科技大本营(ID:rgznai100)的专访报道,在极大提升企业技术品牌影响力的同时,有助于企业从 CSDN 社区吸纳优秀的技术人才;

 

2、选出 30+ 最佳应用案例纳入由 CSDN 发布的《2019 中国人工智能产业路线图》,以及由 CSDN 颁发的“2019 中国人工智能最佳应用案例奖”

 

3、参与 2019 最佳 AI 应用案例 TOP 30 和 2019 最具成长潜力 AI 创业公司 Top30 的企业将优先邀请 AI科技大本营线公开课的讲座或在线下技术沙龙上做分享。

 

目前,AI Top 30+ 项目已正式启动,欢迎申请参加。

 

活动简介:

https://bss.csdn.net/m/topic/ai_procon/top30

 

申请参加:

http://csdnprogrammer.mikecrm.com/JC06AnW

 

2019 年 9.6~9.7(周五~周六),AI开发者大会(AI ProCon 2019)在北京再次扬帆起航!我们不空谈口号,只谈技术,诚挚邀请 AI 业内人士一起共铸人工智能新篇章!

 

特别提醒!优惠票 2050 元限时抢购中,扫描下方二维码,即享折扣。

 

 

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值