DTalk|自动化机器学习-人工智能的未来

一场高质量的分享会应该具备哪些特征?

一位在某个领域足够资深的演讲者,就一个值得探讨的行业话题,用一套逻辑严密的演讲框架,在可以充分表达的2个小时里,向近千位专业听众完整分享他的看法与见解。

这就是 DTalk。

DTalk是机器之心联合TalkingData共同推出的全球化精品海外活动品牌及演讲系列活动,专注于数据科学与人工智能领域的前沿技术、工程实践与应用落地。 DTalk旨在为相关业内人士、以及对行业感兴趣人士带来深度有价值的业界话题分享,并提供观点交流平台。DTalk将在北美多个科技重镇举办线下分享会,每期精选一个行业话题,邀请资深行业人士分享,并进行全球同步线上直播。

DTalk 第五期:硅谷站

自动化机器学习人工智能的未来

活动简介

人工智能专家的稀缺是人工智能技术进入更广泛群体的主要挑战。目前,大多数企业并没有足够的资源或技术来支持建模和工程开发。这就是为什么自动化机器学习和自动化深度学习技术(AutoML和AutoDL)越来越受到学术界和工业界重视的原因。自去年以来,谷歌、微软等行业巨头均已开始研发AutoML技术,并掀起行业内又一个热潮。

本期DTalk邀请到了西雅图人工智能创业公司、深度学习自动化模型设计和部署的领先平台OneClick.ai首席技术官姜宁,为大家解读AutoML对于人工智能发展的重要意义。人工智能的核心是模型设计,AutoML技术降低了人工智能应用的障碍,使没有AI专业技术的开发人员能够独立,轻松地开发和部署AI模型。预计AutoML技术将在未来几年彻底颠覆AI行业,使人工智能无处不在。

本次活动由机器之心、TalkingData主办,中关村创新中心提供场地协助,将为大家带来一次干货满满的分享,精彩不容错过!

嘉宾介绍

主讲嘉宾
姜宁 OneClick.ai首席技术官

姜宁现任OneClick.ai首席技术官,拥有超过15年的多行业机器学习研发经验,包括网络/实例检索,广告检索,线上零售和网络安全。他曾于Microsoft任项目经理,负责必应地图自动提示(Autosuggest)技术的研发,并负责管理必应地图在法国和意大利的餐厅部分的本地搜索。在此之前,他领导了必应广告关联平台的开发和算法改进,为必应和Yahoo!提供付费搜索服务。 姜宁也拥有在中国顶级安全公司开发恶意软件检测和垃圾邮件检测算法的经验。

活动时间及流程

美西时间 2018 年9月26 日  18:30-20:30

  • 18:30 - 19:00 签到入场

  • 19:00 - 19:30 姜宁主题演讲

  • 19:30 - 20:15 炉边对话

  • 20:15 - 20:30 Q&A


温馨提示:活动举办的北京时间为 9 月 27 日 上午 9:30am-11:30am,分享语言为英文。

活动地点:中关村硅谷创新中心(美国)

具体地址:4500 Great America Pkwy, Santa Clara, CA 95054, USA

报名方式

点击https://www.eventbrite.com/e/automl-the-future-of-ai-tickets-50172886454,报名参与现场活动。


参与 DTalk 线上直播方式

扫描下方二维码添加微信机器之心小助手(ID:syncedai)或,备注:DTalk,进入DTalk 交流群;

主办方介绍


机器之心全球化子品牌旗下英文站 Synced Review (Medium:@Synced) 为全球读者提供机器智能领域领先的技术及行业动态报道,专业分析师报告等优质原创英文内容,举办海外活动,开展跨国产业服务。

TalkingData 成立于 2011 年,是国内领先的第三方数据智能服务商。借助以 SmartDP 为核心的数据智能应用生态为企业赋能,帮助企业逐步实现以数据为驱动力的数字化转型。

协办方介绍


中关村创新中心作为中关村海外战略的核心,承载建设横跨中美一站式高科技企业成长平台,帮助高科技项目孵化加速,促进中美科技人才与文化交流互通的历史性任务。


点击https://www.eventbrite.com/e/automl-the-future-of-ai-tickets-50172886454,立即报名。

产业TalkingDataAutoML
相关数据
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。

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。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

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。

自动化机器学习技术

机器学习最近在许多应用领域取得了长足的进步,这促成了对机器学习系统的不断增长的需求,并希望机器学习系统可以被新手快速地熟悉并使用。相应地,越来越多的商业企业推出产品旨在满足这种需求。这些服务需要解决的核心问题是:在给定数据集上使用哪种机器学习算法、是否以及如何预处理其特征以及如何设置所有超参数。这即是自动化学习(AutoML)企图解决的问题。

推荐文章
暂无评论
暂无评论~