机器学习如何驱动业务实践?你想知道的都在这!

活动

推荐语

虎虎生威,新年快乐!新的一年当然要继续补充技术能量,ML 主题系列专场:探讨 机器学习 如何驱动业务实践,必定让你带着收获满载而归!1 月 15 日,我们不见不散! 

PyTorch是一个开源深度学习框架,可以轻松开发机器学习模型并将其部署到生产环境。使用由 AWS 与 Meta 合作构建和维护的 PyTorch 模型服务库 TorchServe,PyTorch 开发人员可以快速轻松地将模型部署到生产环境中。

ML 主题系列专场,将会是新年第一场活动 。主要以云+Pytorch的形式,探讨机器学习在大规模的业务场景上,去落地实际案例和实践经验,启发大家思考如何将机器学习整合到业务中,提升机器学习在各自行业的影响力和技术赋能。

本期上海的活动,我们汇集了在 机器学习业务实践 上有丰富经验的专家们,一起为大家打造一场技术沙龙,带你进入机会和挑战的人工智能领域!

//

活动信息

活动时间:1 月 15 日下午 13:30 - 17:00

活动地点:上海市徐汇区裕德路 126 号氪空间

交通信息:地铁 1/4 号线上海体育馆8号口步行 620 米

活动主题:云+PyTorch, 探讨 机器学习 如何驱动业务实践

报名方式:扫描下方二维码直接报名,或点击阅读原文链接报名参加本次活动

101a2715dcd389d95dcb20da2c67048b.png

//

活动议程

1e82a5d1aed92bddccd50f31e16ca1ac.png

嘉宾简介

赵欢

c3fda1abd9af13119d4f9dbfbb9fa9ad.png

香港科技大学博士,第四范式科学技术部的资深研究员,负责自动化图神经网络(AutoGraph)相关方向的研究与落地工作。

研究方向涵盖推荐系统,图表征学习,图神经网络,在国际顶级人工智能数据挖掘会议期刊上发表学术论文20篇,申请国家发明专利4项。曾就职于淘宝搜索推荐事业部,并于2017年双十一期间推动团队在淘宝落地业界首个大规模基于graph embedding的召回算法,相关工作也发表在国际顶级数据挖掘会议KDD 2018上,现在已经成为各大互联网公司召回算法的参考基线。此次分享题目:AutoML in Graph Neural Networks:基于自动化机器学习的图神经网络架构设计。

Damon Deng

ece8c81eb96bdfdca12adeba9f6b3c14.png

亚马逊云科技首席解决方案架构师,拥有21年IT领域的工作经验,先后在IBM,RIM,Apple 等企业担任工程师、架构师等职位。

目前就职于亚马逊云科技,担任首席机器学习解决方案架构师一职, 是亚马逊云科技全球机器学习社区发起人,大中华区量子计算社区发起人。喜欢编程,喜欢各种编程语言,尤其喜欢Lisp。喜欢新技术,喜欢各种技术挑战。此次分享题目:Pytorch成长路径。

肖元君

db49d1b0e0f76e414c4e41575ec3327e.png

亚马逊云科技解决方案架构师,负责基于云计算方案的架构咨询和设计实现,同时致力于数据分析与AI的研究与应用。

本次分享题目:Hugging Face框架介绍与工程化实践。分享将从工程化实践的角度出发,介绍如何使用 Hugging Face 框架进行 NLP 模型的训练和部署,其中涉及到基于 Pytorch 的分布式训练与模型服务器的搭建,以及如何通过 Amazon SageMaker 快速上手使用 Hugging Face。

线下有礼

e9eada7bcf05587975a985cd192573b7.png

线下的活动,除了干货满满的分享内容,肯定少不了精彩的茶歇和诚意满满的周边礼品!我们希望大家的相聚不仅仅是深度的技术交流,更能结交更多志同道合的朋友,一起碰撞出更加精彩的火花。

50868d8366a50bae2d5ccf970aa119e8.png

在这年初之时,让我们共赴一场技术之约!

02e0dd840194d32e746ddaa2be6b5add.gif

点击 👇【阅读原文】 👇进入活动报名页

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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