2018/08/31 17:18

机器之心邀请您参加2018全球机器学习技术大会

大名鼎鼎的Michael I. Jordan（迈克尔.乔丹）要来了，不是篮球界的飞人乔丹，是机器学习界的开山鼻祖、人工智能领域根目录的人物之一；是机器学习领域唯一一位获得美国科学院、美国工程院、美国艺术与科学院三院院士成就的科学家；是伯克利大学的著名机器学习实验室AMP Lab的联席主任。他所教过的学生人才辈出，如深度学习领域的权威 Yoshua Bengio，贝叶斯学习领域权威 Zoubin Ghahramani及前百度首席科学家吴恩达等人都是其门下学生。

就是这样一位顶级泰斗，将于2018年9月22-23日亲临由Boolan在上海世纪皇冠假日酒店主办的ML-Summit 2018全球机器学习技术大会现场（http://ml-summit.org/）。届时，参会者将有与大师进行面对面交流的宝贵机会。

今年2月，在斯坦福由 Michael I.Jordan 、Jeff Dean、LeCun、李飞飞等多位人工智能领域的大师发起的系统机器学习会议 SysML上，Michael I. Jordan就现在所谓的“AI”进行了抨击。他认为，我们还未实现真正的AI，它需要依靠逻辑、推理、决策等运算的突破才能实现，但现在它们之间还存在明显脱节。一些经典 AI 领域，如计算机视觉、NLP 等还远未达到智能和实用的地步，有赖进一步研究和努力。与此同时，传统的社交平台，如Facebook，还远没有真正地将人们连接起来。医疗、金融、音乐、餐饮等众多系统平台仍存在巨大的想象空间，要做到这些，需要研究者们跳出传统视角。

如何跳出传统视角、挖掘AI全新的潜力，是众多国内外研究者和一线专家们求而不得的要领。在即将到来的2018全球机器学习技术大会上，Michael I. Jordan将为大家带来《机器学习前沿发展》的主题演讲，深入阐述机器学习领域最新的前沿发展情况及其领导的机器学习团队的最新研究成果，包括如何在训练生成式对抗网络GAN的过程中找到好的鞍点、如何在非凸优化中避免鞍点、可解释的机器学习、可证明的最优强化学习、多智能体决策、分布式强化学习平台等热点前沿话题。相信Michael I. Jordan的这次主题演讲，定能给大家带来关于全球机器学习界最新的发展方向和最前沿研究成果，为众多AI一线工程师和研究者指点迷津。

除大师Michael I. Jordan之外，本次大会还邀请到30多位国内外机器学习和人工智能领域的技术领袖和行业应用专家出席，演讲嘉宾覆盖 Facebook, Google, eBay,阿里、腾讯、Uber、Etsy、UCLA、携程、美团、新浪微博、平安银行、唯品会金融、Face++、达观数据等一线互联网企业的机器学习主管与负责人。来自中美机器学习业界一线的实践集萃将在大会上热情绽放。

在顶级大师和业界专家加持的同时，2018全球机器学习技术大会的一大特色是将 “深入AI产业实践”，聚焦人工智能在各个垂直行业的实践应用。例如将AI整合进交通、物流、物联网、金融和银行业、医疗、社保、零售业、房地产、旅游等多个行业，并通过人工智能如何解决行业内的现实问题及如何通过人工智能实现创新、降低成本，获得弯道超车的机会。

这是一场机器学习领域的科技盛宴，是AI工程师们不可错过的难得机会。为满足参会者对机器学习和人工智能前沿成果的期待，解答大家在机器学习实践中的疑难困惑。【2018全球机器学习技术大会】（http://ml-summit.org/）以主题演讲为主干，配合互动研讨，案例分析等多种形式，从技术层面的 AI 模型与算法、AI 架构与工程实践，到应用层面的数据科学、计算机视觉、智能语言与语音、工具与框架等，全方位探讨机器学习领域的前沿理论以及最佳应用案例。

大会主办方Boolan作为业内著名的高端IT互联网技术教育平台，于2017年在北京主办了第一届全球机器学习技术大会并大获成功，获到华为、腾讯、阿里、eBay、IBM、SAP等众多参会企业及个人用户的一致好评。我们有理由相信，在机器学习之父Michael I.Jordan大师及全球众多资深大咖专家的热情参与下，2018全球机器学习技术大会将会更加成功。

属于人工智能的新纪元已开启，与顶级大师同行、共展创新愿景，推动世界人工智能交流与进步。【2018全球机器学习技术大会】（http://ml-summit.org/），就等你来！

购票咨询请拨打Boolan热线：400-886-0806

商务合作及企业赞助请邮件partner@boolan.com

媒体合作请邮件media@boolan.com

大会主办方Boolan（http://boolan.com/）作为业内著名的高端IT互联网技术教育平台，近年来连续举办2018全球产品经理大会、2018全球区块链技术大会、2017全球机器学习技术大会等多场极具行业影响力的高端技术会议，拥有雄厚的国内外专家讲师资源，包括C++之父Bjarne Stroustrup，硅谷产品大师，《启示录》作者MartyCagan，Netflix前产品副总裁GibsonBiddle，全球软件架构大师MartinAbbott等多位国际大师，在IT互联网领域有极强的行业号召力。

产业Michael I. JordanML-Summit 2018全球机器学习技术大会机器学习

相关数据

区块链技术

区块链是用分布式数据库识别、传播和记载信息的智能化对等网络, 也称为价值互联网。中本聪在2008年，于《比特币白皮书》中提出“区块链”概念，并在2009年创立了比特币社会网络，开发出第一个区块，即“创世区块”。

来源：维基百科

深度学习技术

深度学习（deep learning）是机器学习的分支，是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。深度学习是机器学习中一种基于对数据进行表征学习的算法，至今已有数种深度学习框架，如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

来源：LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436.

机器学习技术

机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。

来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.

凸优化技术

凸优化，或叫做凸最优化，凸最小化，是数学最优化的一个子领域，研究定义于凸集中的凸函数最小化的问题。凸优化在某种意义上说较一般情形的数学最优化问题要简单，譬如在凸优化中局部最优值必定是全局最优值。凸函数的凸性使得凸分析中的有力工具在最优化问题中得以应用，如次导数等。凸优化应用于很多学科领域，诸如自动控制系统，信号处理，通讯和网络，电子电路设计，数据分析和建模，统计学（最优化设计），以及金融。在近来运算能力提高和最优化理论发展的背景下，一般的凸优化已经接近简单的线性规划一样直捷易行。许多最优化问题都可以转化成凸优化（凸最小化）问题，例如求凹函数f最大值的问题就等同于求凸函数 -f最小值的问题。

来源：维基百科

计算机视觉技术

计算机视觉（CV）是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

来源：机器之心

逻辑技术

人工智能领域用逻辑来理解智能推理问题；它可以提供用于分析编程语言的技术，也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑（Propositional Logic ）以及一阶逻辑（FOL）等谓词逻辑。

来源：机器之心

强化学习技术

强化学习是一种试错方法，其目标是让软件智能体在特定环境中能够采取回报最大化的行为。强化学习在马尔可夫决策过程环境中主要使用的技术是动态规划（Dynamic Programming）。流行的强化学习方法包括自适应动态规划（ADP）、时间差分（TD）学习、状态-动作-回报-状态-动作（SARSA）算法、Q 学习、深度强化学习（DQN）；其应用包括下棋类游戏、机器人控制和工作调度等。

来源：机器之心