O’REILLY、INTEL AI 主办
Put AI to work
2018年4月10-11日:培训
2018年4月11-13日:辅导课 & 会议
北京,中国
 
紫金大厅B(Grand Hall B)
Add Crossing the enterprise AI chasm to your personal schedule
11:15 Crossing the enterprise AI chasm Simon Chan (Salesforce)
Add Using AI to analyze the impact of financial news to your personal schedule
13:10 Using AI to analyze the impact of financial news Zhefu Shi (University of Missouri)
报告厅(Auditorium)
Add Representing knowledge through graphical models to your personal schedule
13:10 Representing knowledge through graphical models Ruiwen Zhang (SAS Institute)
Add 即时配送调度中的人工智能 to your personal schedule
14:50 即时配送调度中的人工智能 jinghua hao (美团点评)
Add 人工智能在欺诈检测中的应用 to your personal schedule
16:20 人工智能在欺诈检测中的应用 Hongyu Cui (DataVisor)
多功能厅2(Function Room 2)
Add Practical considerations when shifting to using deep learning for your text data to your personal schedule
13:10 Practical considerations when shifting to using deep learning for your text data Emmanuel Ameisen (Insight Data Science), Yan Kou (Insight Data Science)
Add Deep learning for speech recognition and profiling to your personal schedule
14:50 Deep learning for speech recognition and profiling Yishay Carmiel (IntelligentWire)
多功能厅3A+B (Function Room 3A+B)
Add AI技术在eBay搜索平台的应用 to your personal schedule
13:10 AI技术在eBay搜索平台的应用 HUA YANG (eBay)
Add 用于无人驾驶的深度学习技术 to your personal schedule
14:00 用于无人驾驶的深度学习技术 Bichen Wu (UC Berkeley)
多功能厅5A+B(Function Room 5A+B)
Add 对偶学习:探秘人工智能的对称之美 to your personal schedule
13:10 对偶学习:探秘人工智能的对称之美 Tie-Yan Liu (微软亚洲研究院 (Microsoft Research Asia))
Add 智能对话机器人: 企业商务管理人员如何避免踩坑并且完全掌控人工智能 to your personal schedule
14:00 智能对话机器人: 企业商务管理人员如何避免踩坑并且完全掌控人工智能 Yi Zhang (University of California, Santa Cruz | Rulai)
Add AI赋能下的城市级智慧交通 to your personal schedule
14:50 AI赋能下的城市级智慧交通 Jian Chang (Alibaba Group), Jin Yu (AsiaInfo)
Add 高性价比AI产品在IoT设备上的实现 to your personal schedule
16:20 高性价比AI产品在IoT设备上的实现 Shaoshan Liu (PerceptIn)
多功能厅6A+B(Function Room 6A+B)
Add 为什么图模型对人工智能应用至关重要?  to your personal schedule
13:10 为什么图模型对人工智能应用至关重要? Mingxi Wu (Tigergraph inc), Yu Xu (TigerGraph)
Add 深度学习在 Android 平台的应用 to your personal schedule
16:20 深度学习在 Android 平台的应用 Xiaohui Wang (TalkingData)
多功能厅8A+B(Function Room 8A+B)
11:15
14:50
16:20
Add 周四欢迎致辞(Thursday opening welcome) to your personal schedule
紫金大厅A(Grand Hall A)
08:45 周四欢迎致辞(Thursday opening welcome) Ben Lorica (O'Reilly Media), Roger Chen (Computable Labs), Jason (Jinquan) Dai (Intel)
Add Modernizing the healthcare industry with AI to your personal schedule
08:55 Modernizing the healthcare industry with AI Arjun Bansal (Intel)
Add Understanding automation to your personal schedule
09:10 Understanding automation Ben Lorica (O'Reilly Media), Roger Chen (Computable Labs)
Add Turning machine learning research into products for industry to your personal schedule
09:30 Turning machine learning research into products for industry Reza Zadeh (Matroid | Stanford)
Add 蚂蚁金融智能大脑 to your personal schedule
09:45 蚂蚁金融智能大脑 Alan Qi (Ant Financial)
Add 数据驱动的人工智能前沿 to your personal schedule
10:00 数据驱动的人工智能前沿 Hui Xiong (Baidu)
Add Democratizing deep reinforcement learning to your personal schedule
10:15 Democratizing deep reinforcement learning Danny Lange (Unity Technologies)
10:45 上午茶歇 由Google AI赞助 (Morning Break sponsored by Google AI) | Room: 赞助商区域 (Sponsor Pavilion)
15:30 下午茶歇 (Afternoon Break) | Room: 赞助商区域 (Sponsor Pavilion)
Add 周四午餐主题桌会 (Thursday Topic Tables at Lunch) to your personal schedule
11:55 周四午餐主题桌会 (Thursday Topic Tables at Lunch) | Room: 彩虹厅及国际厅 (Rainbow Room & Ballroom)
07:30 - 8:45 早咖啡服务 由SAP赞助 (Morning Coffee and Tea Service sponsored by SAP) | Room: 3楼序厅(3rd Floor Foyer)
Add 快速社交 (Speed Networking) to your personal schedule
08:00 快速社交 (Speed Networking) | Room: 3楼序厅(3rd Floor Foyer)
08:30
11:15-11:55 (40m) 企业人工智能 (AI in the Enterprise), 英文讲话 (Presented in English) 设计AI平台(Designing AI platforms)
Crossing the enterprise AI chasm
Simon Chan (Salesforce)
Building an end-to-end AI application in production is tremendously more complicated than simply doing algorithm modeling in a lab. Simon Chan explains how to cross the gap between AI research fantasy into real-world applications.
13:10-13:50 (40m) 模型与方法 (Models and Methods), 英文讲话 (Presented in English) 传媒、广告、娱乐 (Media, Advertising, Entertainment), 自然语言与语音技术(Natural Language and Speech Technologies), 金融服务 (Financial Services)
Using AI to analyze the impact of financial news
Zhefu Shi (University of Missouri)
It is critical to analyze the business impact of worldwide events on the financial market. Zhefu Shi explains how to use AI to analyze the impact of financial news using a financial data pipeline. Zhefu outlines how to extract financial entity information and use it to analyze business impact. All of the components use AI to enhance functionality.
14:00-14:40 (40m) 实施人工智能 (Implementing AI), 模型与方法 (Models and Methods), 英文讲话 (Presented in English) 自然语言与语音技术(Natural Language and Speech Technologies)
Introducing Spark NLP: State-of-the-art natural language processing at scale
David Talby (Pacific AI)
Natural language processing is a key component in many data science systems that must understand or reason about text. David Talby offers an overview of the NLP library for Apache Spark, which natively extends Spark ML to provide open source, fully distributed, and optimized versions of state-of-the-art NLP algorithms, covering the library's design and sharing working code samples in PySpark.
14:50-15:30 (40m) 实施人工智能 (Implementing AI), 模型与方法 (Models and Methods) 自然语言与语音技术(Natural Language and Speech Technologies)
Extending Spark NLP: Training your own deep-learned natural language understanding models
David Talby (Pacific AI)
To achieve high accuracy when reasoning about text, you generally need to understand specific languages, jargon, domain-specific documents, and writing styles. David Talby explains how to train custom word embeddings, named entity recognition, and question-answering models on the NLP library for Apache Spark.
16:20-17:00 (40m) 实施人工智能 (Implementing AI), 英文讲话 (Presented in English) 电信 (Telecom), 自然语言与语音技术(Natural Language and Speech Technologies)
Building a commercial natural language understanding system
Sangkeun Jung (SK Telecom)
Natural language understanding is a core technology for building natural interfaces such as AI speakers, chatbots, and smartphones. Sangkeun Jung offers an overview of a spoken dialog system and recently launched AI speaker, NUGU, and shares lessons learned building a commercially efficient and sustainable natural language understanding system.
11:15-11:55 (40m) 与人工智能交互 (Interacting with AI) 传媒、广告、娱乐 (Media, Advertising, Entertainment), 自然语言与语音技术(Natural Language and Speech Technologies)
小冰:从人类与人工智能的对话中学到的经验教训
曾敏 (Microsoft)
自2014年5月首次发布以来,超过1亿的来自中国、日本和美国的用户与著名的人工智能产品小冰(Xiaoice)进行了互动,进行了仿人的对话。讲师将会分享过去四年中获得的关键经验教训,并会解释如何使用它们来构建更好的聊天机器人。
13:10-13:50 (40m) 模型与方法 (Models and Methods), 英文讲话 (Presented in English) AI应用的硬件、软件栈(Hardware and Software stack for AI applications)
Representing knowledge through graphical models
Ruiwen Zhang (SAS Institute)
Drawing on several real-world cases, Ruiwen Zhang demonstrates how to visualize the structure of a probabilistic model and provide better insights into the model's properties, which can be further used to design and motivate new models. She also explains how to reduce the computational complexity required to perform inference and learning in sophisticated models using graphical models.
14:00-14:40 (40m) 与人工智能交互 (Interacting with AI)
小米语音交互的最新进展、面临的难题以及展望
王刚 (小米公司)
本次讲演将分享小米语音交互在产品和技术方面的最新进展和面临的一些难题,以及对未来语音技术发展的展望。
14:50-15:30 (40m) 实施人工智能 (Implementing AI) 运输与物流 (Transportation and Logistics)
即时配送调度中的人工智能
jinghua hao (美团点评)
近两年外卖行业发展迅速,美团外卖每日超过1600万订单,线下有50万名骑手每天奔波在大街小巷进行配送,是全球最大的外卖平台。如何使数据巨大的骑手配送得更有效率,减少空驶?如何让用户更早地享受到美食,减少超时率?这是一个强随机环境下的大规模复杂优化问题。本次分享将介绍美团配送在运用大数据、机器学习和运筹优化技术解决即时配送业务难题、利用 AI 技术来取代人工上的若干进展和探索,帮助大家了解这一技术领域的进展和挑战。
16:20-17:00 (40m) 实施人工智能 (Implementing AI) 金融服务 (Financial Services), 零售业与电子商务 (Retail and e-commerce)
人工智能在欺诈检测中的应用
Hongyu Cui (DataVisor)
随着互联网不断发展,面向用户的线上网站服务也进入极速发展期,吸引了大量的用户,整个互联网进入“十亿用户时代”。一些有组织的欺诈团伙利用这个特点,大量创建虚假账户或盗取正常用户账户,以此潜伏在大量正常用户中,在银行、网站和手机应用软件上实施欺诈。由于规则引擎和传统机器学习模型需要经常更新、维护,而且只有在损失发生后才会生成相应反应机制,因此反欺诈团队很难领先一步走在欺诈者前面。人工智能的发展,给整个反欺诈领域带来新的机会。
11:15-11:55 (40m) 实施人工智能 (Implementing AI), 英文讲话 (Presented in English) AI应用的硬件、软件栈(Hardware and Software stack for AI applications), 计算机视觉(Computer Vision)
Scaling convolutional neural networks with Kubernetes and TensorFlow
Reza Zadeh (Matroid | Stanford)
Reza Zadeh offers an overview of Matroid’s Kubernetes deployment, which provides customized computer vision and stream monitoring to a large number of users, and demonstrates how to customize computer vision neural network models in the browser. Along the way, Reza explains how Matroid builds, trains, and visualizes TensorFlow models, which are provided at scale to monitor video streams.
13:10-13:50 (40m) 企业人工智能 (AI in the Enterprise), 实施人工智能 (Implementing AI), 模型与方法 (Models and Methods), 英文讲话 (Presented in English) 自然语言与语音技术(Natural Language and Speech Technologies)
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.
14:00-14:40 (40m) 模型与方法 (Models and Methods), 英文讲话 (Presented in English) 传媒、广告、娱乐 (Media, Advertising, Entertainment), 增强学习(Reinforcement Learning)
Conducting machine learning research within custom-made 3D game environments
Danny Lange (Unity Technologies)
Danny Lange demonstrates the role games can play in driving the development of reinforcement learning algorithms. Danny uses the Unity Engine with the ML-Agents toolkit as an example of how dynamic 3D game environments can be utilized for machine learning research.
14:50-15:30 (40m) 实施人工智能 (Implementing AI), 英文讲话 (Presented in English) 自然语言与语音技术(Natural Language and Speech Technologies)
Deep learning for speech recognition and profiling
Yishay Carmiel (IntelligentWire)
Yishay Carmiel offers an overview of neural models in speech applications, covering the dominant techniques and the elements that have contributed to the rapid progress. Yishay also looks to the future, examining which problems still remain and how far we are from solving them.
16:20-17:00 (40m) 实施人工智能 (Implementing AI), 模型与方法 (Models and Methods), 英文讲话 (Presented in English) 保健与医疗 (Health and Medicine)
Modernizing the healthcare industry through AI
Arjun Bansal (Intel)
Precision medicine promises to revolutionize healthcare by delivering better health outcomes at lower cost by eliminating trial-and-error medicine, and Intel is working to make this a reality. Arjun Bansal shares emerging algorithms and models used to analyze healthcare data, including electronic health records, medical images, and pharmaceutical and genomics datasets.
11:15-11:55 (40m) 实施人工智能 (Implementing AI), 模型与方法 (Models and Methods) 增强学习(Reinforcement Learning), 运输与物流 (Transportation and Logistics)
用于自动驾驶的机器学习:近期的进步和未来的挑战
Erran Li (Uber ATG)
深度增强学习已经让人工智能体在很多挑战性的领域可以取得超越人类的表现,例如玩Atari的游戏以及下围棋。这一方法还具有能显著地推进自动驾驶的潜力。Erran Li将会讨论近期在模仿学习方面(例如infoGAIL)、策略梯度法和层次增强学习(例如option-critic架构)等方面的进步,以及它们在自动驾驶方面的应用。Erran接着还会介绍在这个领域需要关注的剩余的挑战。
13:10-13:50 (40m) 实施人工智能 (Implementing AI) 设计AI平台(Designing AI platforms), 零售业与电子商务 (Retail and e-commerce)
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。
14:00-14:40 (40m) 实施人工智能 (Implementing AI), 模型与方法 (Models and Methods) 深度学习(Deep Learning), 运输与物流 (Transportation and Logistics)
用于无人驾驶的深度学习技术
Bichen Wu (UC Berkeley)
深度学习近年来的成功极大地促进了自动驾驶技术的快速发展。但不少问题依然存在:1)深度学习模型需要大量的训练数据 2)即便是深度学习模型也很难达到100%准确率 3) 深度学习模型的计算复杂度太高,超出了车载计算机的处理能力。这个讲座将会关注以上几个问题。
14:50-15:30 (40m) 实施人工智能 (Implementing AI) AI应用的硬件、软件栈(Hardware and Software stack for AI applications), 运输与物流 (Transportation and Logistics)
PerceptIn低成本无人驾驶解决方案
Bo Yu (PerceptIn)
得益于人工智能和机器人技术的快速发展,无人驾驶技术逐渐成熟,预计将会孕育出一个万亿规模的市场,并深刻地改变人们的交通出行方式。我们认为低速限制性的园区将会首先大规模部署无人驾驶技术,首先因为限制性园区对无人驾驶应用的需求巨大,其次由于驾驶环境简单限制性园区容易实现无人驾驶,第三从成本角度考虑,大规模部署无人驾驶方案成本需要在万元美金以内。所以,这里我们将主要探讨适用于限制性园区的低成本无人驾驶解决方案。
16:20-17:00 (40m) 实施人工智能 (Implementing AI)
人工智能与系统工程助力病理影像辅助诊断
王书浩 (透彻影像)
病理影像是医学的金标准,其诊断结果对患者的治疗具有重要的指导意义。相比于CT、X光等医疗影像,病理影像的规模巨大(GB量级),为大规模智能诊断带来了挑战。在这个演讲中,我将介绍如何从人工智能和系统工程的层面去应对这些挑战。
11:15-11:55 (40m) 实施人工智能 (Implementing AI), 模型与方法 (Models and Methods) 深度学习(Deep Learning), 设计AI平台(Designing AI platforms)
端到端深度学习优化在互联网业务场景下的应用实践
杨军 (阿里巴巴)
本议题会分享我们在典型互联网业务场景(图像、文本处理等)下的深度学习优化实践经验,包括离线训练和在线Inference,并会从系统与算法相结合的角度进行相关经验的阐述和介绍。
13:10-13:50 (40m) 模型与方法 (Models and Methods) 自然语言与语音技术(Natural Language and Speech Technologies)
对偶学习:探秘人工智能的对称之美
Tie-Yan Liu (微软亚洲研究院 (Microsoft Research Asia))
以深度学习为代表的人工智能技术通常需要大量的有标签训练数据,这对于很多应用领域而言并非易事。为了解决这个挑战,我们利用人工智能的对称之美——很多人工智能任务天然就是双向的,比如中到英翻译 vs.英到中翻译,图像分类 vs. 图像生成,语音识别 vs. 语音合成——来为机器学习建立闭环、生成有效的反馈信号,从而在缺乏有标签数据的情况下也能实现高效学习。我们将这种新型的学习方法称之为“对偶学习”。对偶学习已经被成功应用到诸多领域,取得了非同凡响的效果。本报告中,我们将针对对偶学习的数学模型、优化算法、概率解释、实验结果,收敛性分析等进行详细讨论,展示对偶学习的魅力,并对它在人工智能领域的更广泛应用进行展望。对偶学习有关的研究成果已发表在NIPS、ICML、IJCAI、AAAI等人工智能领域最顶尖的国际会议之上。
14:00-14:40 (40m) 人工智能对商业及社会的影响 (Impact of AI on Business and Society), 企业人工智能 (AI in the Enterprise) 自然语言与语音技术(Natural Language and Speech Technologies)
智能对话机器人: 企业商务管理人员如何避免踩坑并且完全掌控人工智能
Yi Zhang (University of California, Santa Cruz | Rulai)
美国加州大学圣克鲁斯分校终身教授,Rul.ai公司的创始人张奕博士将向您全面剖析智能对话机器人。在这里您可以了解到在建设智能对话机器人中,如何评估各种技术方案,如何建设合适的团队,并且设计出以用户为中心的机器人。 她也会分享智能对话机器人在不同行业的使用案例。
14:50-15:30 (40m)
AI赋能下的城市级智慧交通
Jian Chang (Alibaba Group), Jin Yu (AsiaInfo)
在经济竞争力,宜居性,安全性和长期环境可持续性方面,交通拥堵已成为美国和中国等国家最大的烦恼之一。我们将通过利用人工智能建模和先进的物联网技术,展示公共交通优先顺序,汽车道路协调和区域范围交通信号优化的情景。
16:20-17:00 (40m) 实施人工智能 (Implementing AI) AI应用的硬件、软件栈(Hardware and Software stack for AI applications), 制造业与工业自动化 (Manufacturing and Industrial Automation)
高性价比AI产品在IoT设备上的实现
Shaoshan Liu (PerceptIn)
通过深度学习技术,物联网(IoT)设备能够得以解析非结构化的多媒体数据,智能地响应用户和环境事件,但是却伴随着苛刻的性能和功耗要求。我们探讨了两种方式以便将深度学习和低功耗的物联网设备成功整合。
11:15-11:55 (40m) 模型与方法 (Models and Methods) 自然语言与语音技术(Natural Language and Speech Technologies)
深度学习时代的数据科学和自然语言处理
Yinyin Liu (Intel AI)
自然语言处理(NLP)带给计算机理解人类语言的能力。NLP利用深度学习最新算法发展例如文档理解之类的应用,使公司能够筛查海量文本,分类并找到相关信息。本议题我们将讨论深度学习最新发展如何影响处理文本、语言及基于对话应用,并启发了利用数据的新方向。我们还将讨论几个使用Intel® AI技术的NLP企业案例。
13:10-13:50 (40m) 与人工智能交互 (Interacting with AI), 实施人工智能 (Implementing AI), 模型与方法 (Models and Methods) AI应用的硬件、软件栈(Hardware and Software stack for AI applications)
为什么图模型对人工智能应用至关重要?
Mingxi Wu (Tigergraph inc), Yu Xu (TigerGraph)
为了让机器像人一样思考,一个成功的人工智能应用程序的关键部分必须由强大的数据管理软件支持。在这次演讲中,我们将讨论人工智能数据管理的需求,并指出图模型的独特优势。我们将深入讨论几个现实生活中部署的,且将它们的成功归因于图模型的人工智能应用程序。
14:00-14:40 (40m) 实施人工智能 (Implementing AI) 深度学习(Deep Learning), 零售业与电子商务 (Retail and e-commerce)
Spark+BigDL 基于Hadoop的推荐系统的深度学习实践
徐晓 (阿里巴巴)
随着深度学习的发展,其在推荐领域的可能性也被不断拓展,越来越多的基于深度学习的推荐算法在学术论文中被提出,比如:Google提出的Wide&Deep网络结构。 目前,很多大型推荐系统均构建在Hadoop生态上,而主流的深度学习工具(如:TensorFlow/Caffe/Torch)则更适合于gpu集群。因此,运行在Spark环境上的BigDL是非常合适于推荐系统的深度学习解决方案。 本议题将通过案例的形式,分享使用Spark与BigDL构建深度神经网络来优化现有推荐系统的经验。本议题的主要关注点是:如何在推荐工程中高效而健壮的实施深度学习,包括:技术选型的思考,实验场景的搭建,神经网络配置脚本的定制,模型数据的IO,自定义神经网络组件的开发等。
14:50-15:30 (40m) 实施人工智能 (Implementing AI), 模型与方法 (Models and Methods) AI应用的硬件、软件栈(Hardware and Software stack for AI applications), 设计AI平台(Designing AI platforms)
基于TensorFlow的高效交互式深度学习平台及应用(An efficient and interactive deep learning platform with TensorFlow)
Xiaolei Xu (上海新智新氦数据科技有限公司)
目前单机多卡训练是深度学习的标配,但是单机的GPU数目总有上限,因此如何通过多机多卡进行高效的分布式训练就尤其重要。比如,如何将简单的单机程序快速部署到多机并得到相应的加速比,如何使得对GPU的调度与大数据处理平台无缝对接,并使GPU成为平台上按需调度、动态扩容的资源,这些问题的解决对算法迭代优化起到关键作用。 本次talk会详细介绍如何基于Kubernetes和Docker构建TensorFlow的微服务化应用,具体从以下几个方面展开:从少量样本数据的单机快速原型设计验证,无缝切换到大量全数据的多机多卡分布式训练过程;一键启动分布式训练,即基于新氦定制的深度学习云平台,用户无需关注分布式细节,可直接通过可视化web界面进行分布式参数配置和训练代码提交,并可实时可视化监控模型训练收敛性、系统资源消耗和模型输出日志等;模型训练结束后可实时serving将模型快速部署到生产环境。
16:20-17:00 (40m) 模型与方法 (Models and Methods) AI应用的硬件、软件栈(Hardware and Software stack for AI applications), 深度学习(Deep Learning)
深度学习在 Android 平台的应用
Xiaohui Wang (TalkingData)
目前,深度学习在移动端的应用越来越受到重视,从芯片制造商到手机厂商,一直到应用开发者,都在为在智能手机上运行深度学习模型做出了很多努,开发者一方面很难找到针对移动端优化过的解决特定应用场景的模型,一方面不知道应该如何选择这些框架,TalkingData 推出的 Android Deep Learning Framework 就为了解决这些问题。我们提供了针对移动平台的各种类型的模型,以及它们在主流机型行的实测 Benchmark,另外也提供了利用这些预训练模型和自己的数据集进行再训练的服务器端脚本和自动化工具,最后就是封装了一个上层 DL API,让开发者可以支持各种移动端深度学习框架,并为这些模型的使用提供统计分析服务。
11:15-11:55 (40m)
Session
13:10-13:50 (40m) 赞助商赞助 (Sponsored)
人人都能用的 TensorFlow (Google AI赞助议题)
Tiezhen Wang (Google)
本讲座讲介绍 TensorFlow 在不同领域的应用,比如,针对 ML 初学者的 Keras,面向专业用户的底层 API 和面向前端开发者的 tensorflow.js。本讲座也会覆盖到一些中国相关的案例分析。
14:00-14:40 (40m) 赞助商赞助 (Sponsored)
全内存数据库内通用人工智能的应用实践 (Boray Data赞助议题)
韩丽丽 (Rapids Data)
敬请期待更多细节。
14:50-15:30 (40m)
Session
16:20-17:00 (40m)
Session
08:45-08:55 (10m)
周四欢迎致辞(Thursday opening welcome)
Ben Lorica (O'Reilly Media), Roger Chen (Computable Labs), Jason (Jinquan) Dai (Intel)
大会日程主席 Ben Lorica、Roger Chen 与 Jason Dai致辞开始第一天主题演讲。
08:55-09:10 (15m) 英文讲话 (Presented in English)
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.
09:10-09:20 (10m) 英文讲话 (Presented in English)
Understanding automation
Ben Lorica (O'Reilly Media), Roger Chen (Computable Labs)
Details to come.
09:20-09:30 (10m) 英文讲话 (Presented in English)
Machine learning for autonomous vehicles: recent advances and future challenges
Erran Li (Uber ATG)
We have made rapid progress in apply machine learning to solve perception, prediction and planning problems. However, there are fundamental challenges ahead. We need to learn more robust and abstract representations, understand driving scenes, and make decisions in multi-agent settings.
09:30-09:45 (15m) 企业人工智能 (AI in the Enterprise), 模型与方法 (Models and Methods), 英文讲话 (Presented in English) 计算机视觉(Computer Vision)
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.
09:45-10:00 (15m)
蚂蚁金融智能大脑
Alan Qi (Ant Financial)
蚂蚁金服人工智能平台的建立和应用致力于推动金融领域进步和创新。从解决金融服务场景中实时性、海量数据、业务多样性等问题出发,并充分考虑金融底盘系统性风险和安全角度的挑战,构建了蚂蚁金融智能大脑。在这个报告中将介绍我们托超大规模数据和丰富的应用场景建立的业界领先的大规模机器学习和深度学习平台、以及在金融生活领域包括风控、智能助理和保险等方面的应用和创新。
10:00-10:15 (15m) 传媒、广告、娱乐 (Media, Advertising, Entertainment), 自然语言与语音技术(Natural Language and Speech Technologies), 计算机视觉(Computer Vision)
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。
10:15-10:30 (15m) 英文讲话 (Presented in English) 增强学习(Reinforcement Learning)
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.
10:30-10:45 (15m)
结束致辞 (Closing remarks)
结束致辞 (Closing remarks)
10:45-11:15 (30m)
Break: 上午茶歇 由Google AI赞助 (Morning Break sponsored by Google AI)
15:30-16:20 (50m)
Break: 下午茶歇 (Afternoon Break)
11:55-13:10 (1h 15m)
周四午餐主题桌会 (Thursday Topic Tables at Lunch)
午餐时寻找和其他与会者的社交?主题桌会讨论帮助你结识相似行业或有共同话题的与会来宾。
07:30-08:00 (30m)
Break: - 8:45 早咖啡服务 由SAP赞助 (Morning Coffee and Tea Service sponsored by SAP)
08:00-08:30 (30m)
快速社交 (Speed Networking)
在本次人工智能大会上与寻求联系的与会者会面。会议将在周四主题演讲之前举行一个非正式的快速社交活动。一定要带上自己的名片来享受社交活动。
08:30-08:45 (15m)
Plenary