6位AI技術大咖分享研發經驗

人工智慧有多火？平均每10.9個小時誕生一家AI企業。而眾多一線公司已在布局機器學習團隊，優化智能產品，在這樣的背景下，不難想像，未來機器學習技術將會是技術人的新門檻和領域。

而在知乎上，也有諸多類似：普通程序員，如何轉向人工智慧方向的話題在蔓延。基於此，CSDN學院傾力打造了人工智慧核心技術解析與應用實戰在線峰會，課程內容以核心技術解析和應用實戰為基礎，力邀一線公司技術骨幹做深度解讀。

本期有幸邀請到來自阿里巴巴、思必馳、第四範式、一點資訊、58集團、PercepIn等6位在AI領域有著領先技術研究的專家，他們將針對人臉識別、CNN、大規模分布式機器學習系統搭建、推薦系統、NLP及SLAM在機器人領域應用等熱點話題進行分享。我們在每位講師演講時段都安排了答疑環節，為與會者和講師提供零距離交流互動。

直播時間：2017年05月13日（本周六） 9:30 ~ 17:00

講師&議題介紹

汪彪阿里巴巴集團iDST視覺計算組演算法專家

演講主題：人臉識別技術發展及實用方案設計

個人簡介：汪彪，清華電子博士，阿里巴巴集團iDST視覺計算組演算法專家，從事人臉識別相關研發工作近10年，當前主要為阿里雲平台提供人臉分析智能技術的研發與輸出。

主題簡介：主要介紹人臉識別技術的發展與近況，尤其側重深度學習技術在人臉檢測、識別等方向的應用，並從實用人臉識別系統設計中的訓練樣本篩選，檢測跟蹤，人臉對齊以及快速識別演算法等技術進行分享。

聽眾受益：

1. 人臉識別技術的發展與近況；

2. 深度學習在人臉識別中的實踐；

3. 實用人臉識別系統的方案設計。

張相於 58集團演算法架構師

演講主題：自然語言處理技術在推薦系統中的應用

個人簡介：張相於，58集團演算法架構師，轉轉搜索推薦部負責人，負責轉轉的搜索、推薦以及演算法相關工作。多年來主要從事推薦系統以及機器學習相關工作，也做過計算廣告、反作弊等相關工作。

主題簡介：文本數據是推薦系統中常見的數據，具有數量大，無結構，歧義多等特點，如何有效利用這些信息來提升推薦系統的整體效果是一個很重要的命題。本次分享將從簡單的詞袋模型入手，沿著結構化、概率化、生成式、 時序化的思路，分別介紹詞袋模型、隱語義模型以及神經網路模型等多種文本模型，講解這些模型如何在推薦系統中落地使用，以及需要注意的問題。希望聽眾能夠對推薦系統中的文本處理技術有一個系統化、結構化的了解。

聽眾受益：

1. 掌握詞袋模型的應用方法；

2. 了解文本主題模型的思維脈絡和模型原理，掌握常用的使用方法；

3. 理解神經網路語言模型與文本主題模型的異同點，能解決什麼問題，以及使用時的注意點；

4. 系統性掌握文本數據處理的原理和脈絡，以及在推薦系統中的落地方法。

塗威威 第四範式數據智能部機器學習演算法研發工程師

演講主題：大規模分布式機器學習系統設計和實踐經驗

個人簡介：第四範式機器學習演算法研發工程師，從事機器學習演算法、大規模分布式機器學習計算框架研發，前百度商務搜索部資深研發工程師，從事鳳巢系統廣告CTR預估，基於MPI設計開發大規模分布式並行GBDT。

主題簡介：簡單介紹工業界大規模分布式機器學習系統，主要介紹機器學習計算框架設計的核心目標，並分享第四範式大規模分布式機器學習計算框架設計經驗，最後，簡單分享機器學習系統在實際應用中需要注意的常見問題。

聽眾受益：

1.工業界大規模分布式機器學習整體系統介紹；

2.大規模分布式機器學習計算框架設計經驗；

3.實際應用機器學習系統的注意點。

胡小博 一點資訊高級演算法架構師

演講主題：使用深度學習技術打造新一代內容推薦系統

個人簡介：胡小博，一點資訊高級演算法架構師，在推薦系統建模、分布式機器學習架構設計、在線深度學習、自然語言處理和深度問答等領域有深刻的理解和豐富的經驗。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！