AI Conference 2018北京站大会第一天讲师幻灯片公布!

640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1

大会第一天部分讲师幻灯片已经上线

(点击文未“阅读原文”即可获得)

议题幻灯片会在讲话结束后并且讲师已经上传文件的情况下提供给大家。如果您没找到需要的议题内容请稍后再回来查看 —— 可能稍晚就会有!(请注意有些讲师选择不分享讲话的幻灯片。)

以下是今天已经上线的部分议题幻灯片

AI技术在eBay搜索平台的应用

HUA YANG (eBay)

搜索引擎是大量利用机器学习技术的平台。 AI推动了搜索技术的进一步发展,搜索引擎正在变成强大的AI平台。本次演讲将介绍深度学习和自然语言理解技术在eBay产品搜索平台的应用。

Democratizing deep reinforcement learning

Danny Lange (Unity Technologies)

Danny Lange offers an overview of deep reinforcement learning, an exciting new chapter in AI’s history that is changing the way we develop and test learning algorithms that can later be used in real life.

Modernizing the healthcare industry with AI

Arjun Bansal (Intel)

Artificial intelligence is transforming every industry, but the role it will play in healthcare is profound. Arjun Bansal explains how AI can give physicians new insights and speed time to diagnosis by leveraging vast amounts of healthcare data and how it can reduce the time and money spent to develop new medicines.

Practical considerations when shifting to using deep learning for your text data

Emmanuel Ameisen (Insight Data Science), Yan Kou (Insight Data Science)

Emmanuel Ameisen and Yan Kou share a guide for moving your company toward deep learning using a collection of NLP best practices gathered from conversations with 75+ teams from Google, Facebook, Amazon, Twitter, Salesforce, Airbnb, Capital One, Bloomberg, and others.

Turning machine learning research into products for industry

Reza Zadeh (Matroid | Stanford)

Reza Zadeh details three challenges on the way to building cutting-edge ML products, with a focus on computer vision, offering examples, recommendations, and lessons learned.

Understanding automation

Ben Lorica (O'Reilly Media), Roger Chen (Computable Labs)

Details to come.

低精度计算用于深度学习推断和训练

Brian Liu (Intel)

目前,商用的深度学习应用大多使用32位单精度浮点数(fp32)进行训练和推断。已有不同的研究显示在训练或推断中使用更低精度表示(训练16位,推断8位或更低;由于反向传播中的梯度表示,训练需要相对较高精度)仍能保持基本相同的准确度。低精度表示在未来数年内很可能成为业界标准做法,尤其是针对卷积网络应用。低精度表示至少带来了两个好处。一是极大减少了模型的存储量,提高了缓存效率,数据可以更快地在内存、缓存、寄存器间搬移从而避免内存访问成为瓶颈;二是硬件可能提供更高的计算能力(每秒运算次数)。这里我们将回顾低精度表示用于深度学习训练或推断的历史,并展示英特尔是如何在志强可扩展处理器上利用低精度表示进行深度学习计算的(例如如何进行数值量化)。

数据驱动的人工智能前沿

Hui Xiong (Baidu)

本议题中我将介绍数据驱动人工智能带来的一些新兴机会和挑战,同时关注深度学习、推荐引擎和数据密集型计算平台的趋势,以及自动驾驶、对话式AI、位置感知社交媒体和视觉搜索。

用于自动驾驶的机器学习

Erran Li (Uber ATG)

尽管最近人工智能等领域取得了很多的进展,但自动驾驶里的主要问题(不管是基础研究还是工程应用上的挑战)离完全被解决还有很大的距离。Erran Li将会探索自动驾驶所用的机器学习的基础,并讨论目前相关工作的进展。



填调查问卷获得O'Reilly免费的报告。

  1. 关注OReillyData

  2. 在公众号后台输入关键字:AICN

  3. 填写在线调查表

  4. 在O'Reilly展台出示 提交成功 页面,可获得两份O'Reilly报告。


Friday Afternoon Social(快乐星期五)

17:0017:30 Friday, April 13, 2018

Location: 赞助商区域 (Sponsor Pavilion)

在会议结束的时候,如果你还意犹未尽,来这里,喝着咖啡,吃着点心,和没来得及交流的新朋友一起聊聊天,舒展一下听课的紧张和辛苦,享受一个Happy Ending的快乐周末。


阅读更多
想对作者说点什么?

博主推荐

换一批

没有更多推荐了,返回首页