Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

WAIC 2019 开发者日分单元:纵论深度学习框架

2019 年世界人工智能大会(WAIC)是经国务院批准,国家发展改革委、科技部、工业和信息化部、国家互联网信息办公室、中国科学院、中国工程院等部委与上海市政府共同举办的顶级人工智能会议。今年的 WAIC 以「智联世界 无限可能」为主题,将于 8 月 29 日至 31 日 在上海举办。

WAIC 开发者日是此届大会唯一一个面向开发者的特色活动,将于8月31日在上海世博中心举办。开发者日包含 1 个主单元、4 个分单元、黑客马拉松比赛和开发者诊所互动区。届时,全球顶尖 AI 专家、技术大牛、知名企业代表以及 2000 余名极客将齐聚上海,围绕人工智能前沿理论技术和开发实践进行分享与解读。

自 2015 年谷歌开源 TensorFlow 以来,越来越多的科技巨头、创业公司开始投入研发自己的深度学习框架。这极大的促进了深度学习框架的发展与繁荣。

WAIC 开发者日当天,在机器之心承办的「深度学习框架:开源·开放·发展」分单元中我们邀请到全球顶尖深度学习框架专家、技术大咖做主题演讲,为深度学习开发者们提供一个优质的技术交流平台。

嘉宾介绍

林达华

商汤科技联合创始人、研究院副院长

香港中文大学-商汤联合实验室主任

演讲主题:SenseParrots: AI 计算平台从技术到价值之路 

林达华,香港中文大学信息工程系教授,商汤科技联合创始人,商汤研究院副院长,香港中文大学-商汤科技联合实验室主任。林教授在美国麻省理工学院获得计算机科学博士学位。他在计算机视觉与深度学习方面有广泛的研究经历,在主要国际会议与期刊发表逾90篇论文。他在2010年获得NIPS最佳学生论文奖。他曾指导团队参加ImageNet、ActivityNet、和MSCOCO等计算机视觉领域的主要国际竞赛,获得多个冠军。此外,他也担任CVPR,ECCV,AAAI,ACM Multimedia等主要国际会议的领域主席,以及国际期刊IJCV的编委。

马艳军

百度深度学习技术平台部总监

演讲主题:飞桨 PaddlePaddle—源于产业实践的开源深度学习平台最新特性解读

马艳军博士现任百度深度学习技术平台部总监,总体负责深度学习平台飞桨(PaddlePaddle)的产品和研发工作,主要研究方向包括自然语言处理、推荐系统、深度学习等。相关成果已经在搜索、Feed 等百度产品中广泛应用。曾在 ACL 等权威会议期刊发表论文数十篇,并多次担任国际会议的 Area Chair 等。相关成果曾获中国电子学会科技进步一等奖和国家科技进步二等奖。

金海峰

开源软件库 AutoKeras 作者

演讲主题:Keras 生态系统:TensorFlow, Keras, KerasTuner 及 AutoKeras

金海峰是开源软件库 AutoKeras 的作者,德克萨斯州农工大学数据分析实验室的博士生。今年 5 月开始由神经网络库 Keras 创造者 Francois Chollet 指导在谷歌深度学习 Keras 团队实习。

袁进辉

一流科技创始人

清华大学计算机系博士、博士后

演讲主题:深度学习框架的技术挑战与发展趋势

袁进辉博士,一流科技创始人,清华大学计算机系博士,师从张钹院士,原微软亚洲研究院主管研究员,发明了当时世界上最快的大规模主题模型系统LightLDA,分布式深度学习流式系统的引领者与推动者。


何亮亮

小米深度学习框架负责人、软件工程师

演讲主题: 边缘设备深度学习实践


2009 年毕业于中国科学院,2013 加入小米,先后负责分布式数据库和机器学习系统架构的工作。期间参与了 Hadoop,HBase,TensorFlow 等开源项目,并且主导了开源深度学习推理框架 MACE 的设计与开发。目前主要研究领域包括分布式系统,深度学习框架,联邦学习


陈亮

华为云 EI 生态发展部部长

演讲主题:一站式 AI 开发平台 ModelArts

2005 年加入华为,长期从事大数据和 AI 相关的项目开发和研发工作,对大数据和人工智能的产业发展有深厚理解;全球最大的开源社区 Apache 基金会 Member, Apache Incubator PMC, 大数据 Apache CarbonData VP & PMC Chair。

活动日程

活动主题:深度学习框架:开源·开放·发展

举办时间:2019 年 8 月 31 日 9:00-12:00

举办地址:上海世博中心 6 层 620 室内

  • 9:00—9:30  林达华

    SenseParrots: AI 计算平台从技术到价值之路                   

  • 9:30—10:00 马艳军

    飞桨PaddlePaddle—源于产业实践的开源深度学习平台最新特性解读

  • 10:00—10:30 金海峰

    Keras生态系统:TensorFlow, Keras, KerasTuner 及 AutoKeras

  • 10:30—11:00 袁进辉

    深度学习框架的技术挑战与发展趋势

  • 11:00—11:30 何亮亮

    边缘设备深度学习实践

  • 11:30—12:00 陈亮

    一站式 AI 开发平台 ModelArts

如何报名?

识别下方二维码,通过「2019世界人工智能大会」微信小程序注册成为专业观众,在「特色活动」版块里预约「开发者日子单元—深度学习框架」分论坛的专业观众席位。

理论深度学习框架智能软件深度学习
相关数据
林达华人物

香港中文大学助理教授。研究兴趣:计算机视觉和机器学习。

推荐系统技术

推荐系统(RS)主要是指应用协同智能(collaborative intelligence)做推荐的技术。推荐系统的两大主流类型是基于内容的推荐系统和协同过滤(Collaborative Filtering)。另外还有基于知识的推荐系统(包括基于本体和基于案例的推荐系统)是一类特殊的推荐系统,这类系统更加注重知识表征和推理。

主题模型技术

主题模型(Topic Model)在机器学习和自然语言处理等领域是用来在一系列文档中发现抽象主题的一种统计模型。直观来讲,如果一篇文章有一个中心思想,那么一些特定词语会更频繁的出现。比方说,如果一篇文章是在讲狗的,那“狗”和“骨头”等词出现的频率会高些。如果一篇文章是在讲猫的,那“猫”和“鱼”等词出现的频率会高些。而有些词例如“这个”、“和”大概在两篇文章中出现的频率会大致相等。但真实的情况是,一篇文章通常包含多种主题,而且每个主题所占比例各不相同。因此,如果一篇文章10%和猫有关,90%和狗有关,那么和狗相关的关键字出现的次数大概会是和猫相关的关键字出现次数的9倍。一个主题模型试图用数学框架来体现文档的这种特点。主题模型自动分析每个文档,统计文档内的词语,根据统计的信息来断定当前文档含有哪些主题,以及每个主题所占的比例各为多少。

联邦学习技术

如何在保护数据隐私、满足合法合规要求的前提下继续进行机器学习,这部分研究被称为「联邦学习」(Federated Learning)。

推荐文章
暂无评论
暂无评论~