【北京】OSC源创会第80期报名开始 - 活动详情页 - 开源中国社区

安宇雨 - 随手采集
2018-11-07 02:06:08
随手采集
0000-未整理-等待研究

请将以下链接发送给好友（超过3个人接受邀请报名，你将可以免费参加此次源创会）

https://www.oschina.net/event/2287508?inviter=52602

本期图文回顾链接：https://www.oschina.net/question/3802184_2288313

"我爱北京天安门，天安门上太阳升~"，众所周知，OSC源创会一直以来都有来北京过冬的习俗，但是！这次趁着十月秋高气爽，源创会一改往常，决定来感受一下北京的秋季，我们一如既往秉承着“自由，开放，分享”的思想，为大家带来非常精彩的【人工智能】主题专场，诚邀各位oscer们前来赴约。

2018年源创会全年计划看这里：https://www.oschina.net/news/93768/2018-osc-yuanchuanghui-plan

接下来源创会日程：10月20日北京站→11月17日广州站→11月18日珠海站→12月16日年终盛典

北京站日程：

本期主题有：

1.使用DIGITS管理你的“人工智能”

内容介绍：NVIDIA深度学习GPU交互式训练系统----DIGITS（Deep Learning GPU Trainning System）将帮助工程师和数据科学家更加容易便捷的发挥深度学习的力量。 DIGITS可用于快速训练高度精确的深度神经网络（DNN），用于图像的分类，分割和检测任务。
DIGITS简化了常见的深度学习任务，如管理数据、在多gpu系统上设计和训练神经网络、实时监控性能和高级可视化，并从结果浏览器中选择最佳执行模型进行部署。DIGITS是完全交互的，因此数据科学家可以专注于设计和训练网络而不是编程和调试。
本次分享会从部署DIGITS开始，介绍如何利用DIGITS实现一套完整的深度学习训练的过程。

分享嘉宾：

何琨，NVIDIA开发者社区经理，专注于GPU开发和人工智能技术，在计算机视觉与人工智能领域，有多年的实践经验。

--------------------------------------------------

2.智能语音交互的实践

内容介绍：随着技术的进步，智能语音交互正在颠覆过往的人机交互方式，但语音交互的技术依然存在巨大挑战，如何理解和使用智能语音VUI（语音用户界面）涉及的相关技术（ASR、NLU、TTS等），此次主题演讲将从通讯角度出发，分析智能语音交互在企业的使用场景、软硬件技术的适配等相关问题。

分享嘉宾：

李文超，容联易通产品总监，在云计算、大数据、AI等相关领域有多年产品和研发经验，目前专注于AI在通讯产品上的落地和研发管理工作。

--------------------------------------------------

3.数据和算法推动下的智能运维

内容介绍：运维的发展经历了手工运维、自动化运维的历程，近些年来，智能化运维已经成为运维的主旋律。本次分型介绍智能运维中常见的数据和AI的技术，对运维中常用的场景异常检测（发现问题）、根源分析（定位问题）、文本推荐（解决问题）等进行分析和讨论。

分享嘉宾：

王立新，2015年毕业于中科院，先后在中科院、清华大学从事大数据、算法方面的研究，发表学术论文十余篇。现任云智慧算法的负责人，负责算法的设计和团队的建设。

--------------------------------------------------

4.利用机器学习自动化预测用户行为

内容介绍：在大数据时代，如何将数据资产转化为用户洞察，以人工智能驱动决策升级，并最终实现用户全生命周期的智能化管理，是开发者最关注的话题之一。本次分享将深入解析如何通过机器学习与AI数据分析对历史数据抽丝剥茧，从而有效地预测用户未来一段时间的行为，并结合实际产品研发过程中的一些技术难点，分享一些解决思路与方案。

分享嘉宾：

陈玉琪，个推资深建模工程师，负责个推旗下应用统计产品“个数“的建模研发，在人工智能与机器学习领域有着深入的实践，积极探索基于“AI+大数据”的用户运营优化方案。

--------------------------------------------------

5.深度学习框架的演进与paddlepaddle相关实践

内容介绍：深度学习技术的普及和应用离不开深度学习框架的发展，深度学习从2013年开始广泛使用以来，相关框架架构已经经历了几个阶段的演进和迭代。随着算法的创新，新的算法不断推动深度学习取得更好的成绩，最早的CNN解决了图像处理的问题，然后是RNN提高了NLP相关问题的处理能力，到最新的GAN，强化学习等，如何满足新算法的需求，如何整合和发挥充足的算力，如何提供高效的架构和灵活易用的用户接口来满足深度神经网络实验和创新的需求，都对框架的设计和架构提出了严格的要求。

paddlepaddle是百度自研并开源的深度学习框架，在公司内外都得到了广泛的应用，支撑了图像，语音，NLP，大规模CTR等各种各样的需求，同样也经历了架构的迭代和演进，最新版fluid也已经发布1.0版本。

本次分享主要是想和大家交流一下深度学习框架的演进过程以及paddlepaddle的一些实践和经验

分享嘉宾：