首页 今日头条正文

睡前故事,AI ProCon满意闭幕,五大技能专场精彩瞬间不容错失,苏宁电器

2019 年 9 月 7 日, 由新一代人工智能工业技能立异战略联盟(AITISA)辅导,鹏城实验室、北京智源人工智能研讨院支撑,专业中文IT技能社区 CSDN 主办的 2019 我国 AI 开发者大会(AI ProCon 2019) 迎来了重头戏,机器学习、自然言语处理、核算机视觉、AI+DevOps 和AI+小程序五大技能专场先后开讲,近 40 位职业专家和技能专家带来了精彩共享。

今日, AI ProCon 有哪些值得重视的亮点呢?

今日精彩瞬间

关键词:五大技能专场,场场干货

自然言语处理专题

华为诺亚方舟实验室语音语义首席科学家刘群宣布《预练习言语模型的研讨与运用》主题讲演,共享华为诺亚方舟实验室在预练习言语模型的研讨和运用实践。

刘群表明,预练习言语模型自身就是神经网络言语模型,它有个很大的长处是运用大规划无标示纯文本语料进行练习。在预练习言语模型的运用上,华为推出了中文预练习言语模型“哪吒”;将实体常识融入BERT并开发了“ERNIE”;依据GPT模型的我国古诗词生成办法,推出“乐府”作诗机,在场同学当即玩起“乐府”来。

谈及未来,刘群表明他们将会研讨更好、更强壮的预练习言语模型,融入更多的常识,跟语音和图画结合后,期望能运用到更多范畴。别的在模型紧缩和优化方面的研讨等待能在终端落地。现在他们和华为海思协作,把预练习言语模型在华为自己的芯片上完结。

思必驰副总裁、北京研制院院长初敏的共享主题为《对话智能中的技能与实践艺术》。初敏表明,现在她有两个身份,不只要做研制,还带了一个事业部,所以很关怀真实重铸大商的技能如安在产品和商业化中运用。今日的陈述侧关键从运用的视点切入,讨论如安在运用场景运用对话智能。

她表明,在此前的大浪潮中,咱们重视语音识音、唤醒等根本的语音才干,当这样的才干到达能够很好地处理实践问题之后,终究智能对话是否好用,对话中的机器人是否聪明、在机器和人对话中展现出来的智能程度,会对后续发生十分大的影响。初敏以为,人机语音交互越来越重要了,思必驰的视角是协助企业前进优化作用。语音交互中一个典型的场景是呼叫中心,其间人机语音交互能够发挥很大的作用。未来许多作业大部分都能够交给机器人,能够下降许多场景的人工本钱。再如在企业内部,企业大了今后,企业内部的信息沟通十分杂乱,公司的 OA 体系、财政、人事、IT等各种问题都很费事。这时,经过语音交互、常识沉积,加上语音对话能够很大地前进功率。

上海瓦歌智能有限公司总司理、狗尾草科技人工智能研讨院院长邵浩宣布了《自然言语处理在虚拟生射中的工程实践》主题讲演,剖析了现阶段自然言语处理产品的技能瓶颈,提出针对性的处理方案。邵浩说,现在咱们周围有许多谈天机器人产品,但现在有不好用、忧虑隐私走漏等问题,咱们的期望值没有被满足。

邵浩以为,谈天机器人由多模态输入、自然言语了解、对话办理、自然言语生成、多模态输出构成的典型架构是“短少魂灵的”。现在咱们处于虚拟生命的1.0状况,他想做一款不仅仅重视谈天自身,还具有看、听、说、动作、考虑才干的下一代谈天机器人的产品。接下来他共享了他们在自然言语处理上的打破,包含预练习言语模型在语义表明、文本的向量表明、Matching等方面的技能。他们还运用深度学习+常识图谱技能来更好地了解用户,开发出新智能音响产品“HE叶修”。

微软小冰全球首席架构师及研制总监周力以《全双工语音对话以及在智能硬件上的运用》为题,与现场的开发者共享了全择天记红袍真实身份双工妈妈挺动技能的运用与遍及,关键介绍了全双工语音的开展之路。他表明,人工智能对话技能及自然言语处理的新应战许多,运用全双工言语对话能够轻松处理这些困难。

接下来,新浪微博机器学习团队AI Lab担任人张俊林带来了题为《Bert和Transformer究竟学到了什么?》的讲演。

他首要介绍了BERT的根本原理和流程,以及其五点支撑法忌讳优缺陷,BERT与Transfomer之间的联络,以及BERpokémonT究竟比之前的RNN、CNN等传统办法多学到的常识。就此他得出了一些关于Transformer和BERT究竟学了什么的定论,如榜首层编码层首要学习自然言语表层特征,中层学编码句法信息,高层学到编码语义特征。

他表明,现在关于BERT的研讨还不行详尽,还需求做更深化的探究,信任未来会呈现更多、更好的研讨和作用。

百度NLP主任研制架构师、语义核算团队担任人孙宇带来主题讲演《百度语义了解结构ERNIE》,本次讲演首要介绍百度语义表明技能开展头绪、ERNIE技能原理及其运用实践。

孙宇表明,言语表明是处理自然言语了解的首要问题。其应战首要为自然言语存在根本单元一词多义、多词同义,语句表述无限等特性。

据介绍,百度于本年7月晋级ERNIE技能,发布持续学习语义了解结构 ERNIE 2.0,一起凭借飞桨高效分布式练习优势发布了依据此结构的 ERNIE 2.0 预练习模型。该模型在合计 16 个中英文使命上逾越了 BERT 和 XLNet,取得了 SOTA 作用。

XLNet作者、睿科伦智能联合开创人杨植麟带来议题为《自然言语了解模型XLNe孤寂山村t》的讲演。

关于NLP落地的考虑和实践,他把NLP分为四大技能阶段:传统技能、预练习、+AutoML和Human in the loop。他还说道,NLP的实质是把非结构化的数据结构化,然后发生智能。在杨植麟看来,NLP能够分为四个商场阶段:存量的文本非结构数据、存量的全途径非结构化数据、增量的全途径非结构化数据、线上线下交融&人机结合,未来,NLP商场化一能够向模化量产的方向行进,二是除了文本自身,咱们更当重视全途径商场,以更好地完结落地。

最终一位共享的嘉宾是科大讯飞 AI 研讨院资深研讨员崔一鸣,他的主题讲演是《依据深度学习的机器阅览了解》,本议题聚集依据深度学习的机器阅览了解技能,关键介绍近期在自然言语处理范畴十分抢手的依据预练习的深度学习办法及其在机器阅览了解范畴中的运用,并同步介绍相关中文信息处理的研讨开展。

崔一鸣表明机器在某些数据上已超越“人类水平”,但绝非代表机器现已具有满足的了解才干,机器在依托“匹配”等简略方法的阅览了解使命中体现优异,但触及多句推理的状况,机器并不能够给出满足的作用。未来开展中,咱们需求规划愈加精妙的预练习办法以及预练习模型的紧缩。需求重视跨言语办法,经过“借力”的办法前进稀缺资源语种的体系功用。最终,根究“可解说”的阅览了解,为用户供给更为牢靠的人工智能技能。

核算机视觉技能专题

快手硅谷实验室担任人王华彦以《端上视觉技能的极致功率及其短视频运用实践》为题做了讲演。

王华彦表明,端上视觉短视频的运用场景带来的技能应战有契婚椿小鹿三方面:榜首是不行控的杂乱场景和环境;第二是极为有限的移动设备核算资源;第三是由于一切运用都是时效性很强的 。

为了处理这些应战,快手的处理方案和研讨方向有四个要素:榜首是运用高度结构化的模型和充沛运用先验常识;第二是面对核算资源的紧缺,需求充沛开掘各种冗余来前进算法的推理功率;第三是用高度结构化的信息表明前进学习算法运用数据的功率,第四是快速开发和布置的需求。

在他看来,假如期望像人相同睡前故事,AI ProCon满足落幕,五大技能专场精彩瞬间不容失去,苏宁电器高效地从很少的数据或许虚拟的数据中学习,就需求有分化的本事,把视觉信息分化为形状概括信息和色彩纹路的信息,才干在不同样本中有用树立联络,然后前进学习的功率。

百度视觉技能部主任架构师、视频根底技能团队技能担任人文石磊为现场观众介绍了互联网视频根底技能探究和运用。依据百度丰厚的视频运用场景,什么样的技能来支撑运用?文石磊解说,与互联网视频相关焦点访谈曝光徐鹤宁的技能分为视频了解、视频修正、算力优化。视频了解分三个内容,榜首是视频分类/检测/摘要/垂类,第二是做多模态交融和常识图谱,咱们看到视频内容不只有图画还有语音、标题,这些不同的信息资源该怎样交融,依据视频得到的标签怎么结合构建好的常识图谱都是抢手内容。

商汤科技研讨总监石建萍则以《视觉感知驱动的量产主动驾驭》为题首要介绍了商汤在智能驾驭上的首要方向,榜首是十分重要的ADAS驾驭辅佐体系的量产方向,以模块等级装到汽车上,要到达精确辨认检测,预警及时且精确率高,车规级规范,灵敏易布置;第二是做主动驾驭的研制,以核算机视觉为主、多传感器交融的主动驾驭处理方案。第三是根底技能,包含大数据、自研深度学习体系、自研FPGA核算渠道。

图森未来合伙人&首席科学家王乃岩共享了图森未来无人驾驭技能实践。

为什么图森未来会挑选货车货运的场景?王乃岩解说称,一个最重要的原因是商业场景是树立的,关于出租车来说场景很杂乱,至少是一个城市的等级,关于干线运送来说需求十分简略,翁帆的父亲在一条路途上从A点到B点不会有多样化的需求,简化的需求恰恰是AI落地十分重要的要素,货车货运会是主动驾驭职业特别高等级主动驾驭职业中最期望首要落地的场景。

图森未来把无人车体系分为四部分,感知、定位、途径规划、车辆操控。感知进程中,要做的是交融不同传感器完结感知车辆周围环境和状况,为后边的决议方案规划输出适宜表明。在定位阶段,不同于拿出手机做导航的定位,他们在无人车做的定位是遥感车辆相对路途的基准。再往下的模块是途径规划,首要是交融前面两个模块输出做出下一步行进决议方案,然后依据这样的决议方案会生出一条车辆可知性的最优轨道。最终一部分是车辆操控,履行规划方案的轨道,输出车辆操控量。

旷视研讨院主任研讨员、根底模型组担任人张祥雨共享了高效轻量级深度模型的研讨与实践。

他提到了六点高效模型规划的根本思路,旷视会运用这六种甚至更多的方案归纳进行模型的规划。

在他看来,现在在轻量级模型规划这个范畴依据模型查找的办法现已成为了现在的干流,也是最重要的研讨方向。在实践中会发现模型查找对设备适配特别是寻觅关于详细设备上运转时刻最快、功耗最少的模型,相关于人工有十分大的优势,可是也有许多问题,查找空间现在仍是依托人工规划,查找空间的规划十分依靠经历,而且没有好的辅导准则,这是未来的研讨方向和难点。

华为云OCR人工智能高档算法工程师睡前故事,AI ProCon满足落幕,五大技能专场精彩瞬间不容失去,苏宁电器王晶叙述了文字辨认服务的技能实践、底层结构及运用场景。

他以为,不仅仅OCR产品,而是一切人工智能产品或其他产品都需求走这样的路。榜首条路是要持续打破新场景,要辨认分子式,期望把证件类和收据类的APR归一,许多公司都期望用一个模型包打天下,省时省力。其次是推理和练习速度要持续优化,由于练习速度的前进意味着产品更快的迭代,而推理速度的前进意味着本钱更可控。

Google研制产品司理杨民光共享了Google的开源跨渠道多媒体机器学习模型运用结构MediaPipe。MediaPipe是一个针对机器学习工程师和研制人员的多媒体机器学习落地结构,用来协助树立感知流水线。这个结构从2012年就开端研制,在谷歌内部用来做视频和音频方面的落地场景,比方YouTube每分钟上传两三千个小时的视频,Google要用机器模型看这个视频睡前故事,AI ProCon满足落幕,五大技能专场精彩瞬间不容失去,苏宁电器是否有黄色和暴力,处理视频的正缓不济急楼雨晴是MediaPipe。

AI+王大财D睡前故事,AI ProCon满足落幕,五大技能专场精彩瞬间不容失去,苏宁电器evOps技能专题

饿了么高档架构师孙立伟以《饿了么可拆分微服务的单体运用(EMMF)实践》为题,立足于可拆分微服务技能,结合饿了么实践运用事例,与现场的开发者共享了其单体运用(EMMF)实践。依据EMMF的事务模块,使事务体系具有单体运用的办理简略、快速迭代的特色的一起,也支撑拆分红多个微服务的办法布置,以满足事务体系不断开展的需求,一起也前进了事务体系的可测验性。

孙立伟着重,咱们真实需求的是“模块化”,其完结关键首要包含“模块化”开发、依靠Spring Boot的主动化装备机制、依靠Gradle强壮的脚本才干、智能的API网关、完善的主动化构建布置体系。

京东数科资深技能架构师、运用架构部担任人王超以《运维的数据化与智能化转型》为题,与现场的开发者共享了结合出产实践,论述运维中的痛点问题是怎么经过大数据,智能化的办法优化的,以及相关的AIOPS渠道是怎么建造怎么运用的。

王超睡前故事,AI ProCon满足落幕,五大技能专场精彩瞬间不容失去,苏宁电器表明,咱们正处于VUCA年代,面对着易变性、不确定、杂乱、含糊的现实问题,为了处理以上问题,需求咱们有主动的心态、灵敏的举动、洞悉办法以及预见方针,及时进行运维的数字化转型;别的,运维的智能化能够做到智能基线、更快发现问题、防止误报、削减人工投入,因而要进行运维智能化。依据此,王超介绍了闭环智能监控、依据调用链的根因剖析、依据多维下钻的根因剖析、容量规划等处理办法。

华为云运维服务产品司理徐博以《云原生运用AIOps技能与实践》为题,立足于云原生运用AIOps技能,环绕运维介绍了华为云近几年的相关作用,并与现场的开发者共享了运用AI前进运维的首要办法。

从运维困难到智能运维的进程中,徐博表明,海量数据超越人类所能处理的量级;根底设施,事务逻辑,技能栈杂乱度越来越高,剖析,定位问题困难;更短的断服时刻和更高的QoS。

下降MTTR。由此,从运用规划、杂乱度与响应速度来看,都需求智能运维的呈现。

最终,徐博总结智能运维的应战,首要,商业价值场景,处理客户的痛点,AI仅仅一种技能,需求商业场景来匹配;克里斯蒂马克其次,运维常识库,AI算法不了解数据事务特色,需求运维常识作为辅佐;第三,算法高效精确,依据大数据运算渠道,算法与场景完美结合。

阿里巴巴高档技能专家滕圣波以《阿里云智能运维的主动化三剑客》为题,与现场的开发者共享了阿里云与智能运维的开展之路,并关键介绍了主动化的三剑客,包含弹性弹性、资源编列与运维编列。依据AI猜测的弹性弹性,智能猜测方法中,能够做到猜测事务改变智能调整实例数量,结合方针追寻方法完美贴合事务改变;主动化三剑客之资源编列,阿里云资源编列-ROS,提交代码资源主动修正,版别化办理,随时回滚,Copy/paste完结资源成套仿制;主动化三剑客之运维编列,为应对运维各种窘境,阿里云运维编列服务-OOS,是阿里云官方的DevOps运维渠道,全免费,其高功率的Serverless履行引擎,有着高牢靠的特性。

AI+小程序技能专题

Google Brain 工程师、TensorFlow.js 项目担任人俞玶宣布《TensorFlow.js遇到小程序》的主题讲演,共享TensorFlow.js的技能完结和与微信小程序相结合的落地实践。

俞玶介绍道,TensorFlow.js是为Java定制的机器学习渠道,为Java 开发者供给简练高效的API。谈及TensorFlow.js和微信小程序结合的落地实践中,俞玶举例道,动态虚拟试妆小程序在开发中遇到手机适配、微信对插件的Java文件有巨细的约束等问题,后选用TensorFlow.js技能,从模型、结构中优化该小程序,让其成为至今已来最小、最快的马句和黄家驹比照照虚拟试妆程序。谈及未来,俞玶表明TensorFlow.js将会为更多的试用场景供给模型和处理问题的比方程序;后续将开发支撑AutoML,为定制模型供给APIs;加强服务器端推理履行的功用和可用性;用最新的技能供给功用优化;还将会支撑更多的Java运转渠道(例如支付宝小程序等)。

小米资深软件高档工程师、快运用结构技能总担任人杨亮宣布《快运用助力AI服务落地》主题讲演,共享快运用的技能和怎么助力AI服务落地实践。

杨亮表明,当时App的生态有分发困难、运用孤岛、内容冗繁、设备特定的问题,难以满足智能化服务的需求。而依据手机+IoT硬件渠道的新式运用形状——快运用,其具有服务矩阵、场景交融、多样终端的生态才干和即点即用、原子服务的根底才干,使得快运用更满足智能化服务的要求。例如,运用快运用+卡片协助智能助理来交融第三方的服务,完结了各种场景化的服务形状。详细技能完结先是经过算法主张、状况追寻以及用户订阅的办法向用户引荐其最需求的服务,然后将一切服务整合,重要信息放在最上面进行信息提示,这样用快运用卡片的方法展现来自许多第三方运用的各类服务,前进用户的运用体会。

腾讯云小程序云开发+AI方向中心研制工程师杨航宣布《云开发的小程序AI技能方案实践》的主题讲演,共享云开发怎么助力开发者在小程序AI技能上更好地开发实践。

杨航介绍道,云开发是支撑小程序、Web等多端的运用开发渠道。云开发小程序依据腾讯云供给根底服务,并供给云数据库、云存储、云函数等开发运维才干,让开发者更专心于自己事务逻辑。云开发为下降开发者在小程序端运用AI才干的门槛,从开发才干上支撑更多的开发言语,云函数支撑Java、PHP等。

微软(亚洲)互联网工程院人工智能语音团队首席研制总监赵晟,微软(亚洲)互联网工程院 Office 365资深产品司理、Office 小程序担任人张鹏一起宣布《微软语音AI与微软听听小程序实践》的主题讲演,共享微软人工智能语音的技能以及微软听听小程序的落地实践。

谈及详细的运用实践,张鹏共享微软听听文档小程序就是运用微软AI语音体系技能,完结AI朗诵PPT补白功用与AI朗诵大众号文章功用,让每个人都能轻松做出专业的语音文档。

最终,张鹏谈到微软Office微信小程序本地化战略方向有:一是信息输入,例如微软AI识图小程序;二是信息办理,例如微软Office文档小程序;三是信息输出,例如微软听听文档。

机器学习技能专题

「机器学习技能专题」由北京一流科技有限公司开创人袁进辉作为出品人,该专题聚集的是机器学习在工业落地中的实践应战。

机器学习技能专场的榜首位讲演嘉宾是好未来 AI Lab 算法科学家杨非,他的议题是《人工智能在教育场景中的运用》。杨非表明,现在用技能推进教育前进的进程能够分为三个阶段,咱们还处于教育辅佐阶段,比方经过OCR技能摄影判题。下一阶段归于价值发明阶段,更多AI才干将贯穿整个场景,比方对学习进程进行点评,对学习全流程进行办理。再下一阶段是对症下药阶段,期望AI技能能够混沌天地诀协助学生自适应学习,经过AI的办法,让教师和学生互动。

RealAI(瑞莱才智)CEO 田天在《第三代AI考虑与实践》的主题讲演中提出了自己的见地:榜首代是常识驱动的符号模型,最具典型的是逻辑专家体系,但依据规矩和常识驱动的体系很难做到比较大的规划。核算学习办法,包含深度学习办法,则归于钟慧宁第二代人工智能。可是以深度神经张锐轩网络为代表的第二代AI存在不牢靠临清刘泰龙、不安全、不行解说等缺陷,RealAI针对这些问题提出了贝叶斯深度学习等应对办法,并在金融、工业等笔直职业得到运用,陈述分还享针对AI技能开展趋势的展望。

第四范式资深AI架构师陈迪豪的议题为《快速构建高功用AI运用——AI特征数据库技能实践》。陈迪豪讲道,跟着数据高速增加,AI进入大规划运用年代,而AI运用开发却着面对一起性和实时性的巨大应战。一方面,数据一起性问题为AI运用开发带来不行猜测的危险,而现有方案一般经过开发者人力进行模型转化及一起性校验,本钱高且难以复用。另一方面,在AI运用中运用线上实时数据前进模型作用成为趋势,但该体系开发难度大周期长,需投入很多人力才干到达预期作用与功用。第四范式AI特征数据库选用独有的AI存储核算一体化架构,经过线上线下同源解析确保数据一起性,经过将毫秒级改变作为特征主动入模下降AI出产级实时运用开发本钱。开发者运用第四范式的AI特征数据库,只需编写离线调研脚本,即可快速构建线上线下数据一起的高功用实时AI运用。

知乎算法团队担任人孙付伟共享了《Graph Embedding及其在知乎的实践》。Graph Embedding 技能是一种将图的拓扑结构进行向量表明的办法王小羽,然后获取到网络联络信息,运用于引荐等多种场景;在本陈述中,孙付伟关键讲了Graph Embedding 技能,以及在知乎的详细实践,包含知乎用户 embedding 的实践和在在知乎收藏夹数据中的运用。未来,知乎还方案用Graph Embedding 进行会员购买猜测,以及个性化推送的召回(现在现已上线)。

上汽集团云核算中心AI运用部分技能担任人任满足和ThoughtWorks AI体系架构师廖国龙协作,共享了《怎么构建面向大型制作业的一站式AI作业渠道》。为了支撑上汽集团在主动驾驭、智能制作等范畴的探究和落地,上汽帆一尚行和ThoughtWorks协作开发了iGear,一个全流程的AI作业渠道。iGear首要分为数据渠道和核算渠道两大部分,数据渠道办理海量的数据资源,包含PB级的数据存储和办理、资料的办理和标示服务;核算渠道办理异构核算节点和使命分配,担任GPU算力调度、模型练习、AI科学家进行开发调试、模型发布、模型紧缩等。依据iGear,能够方便地进行AI体系研制和构建职业智能化处理方案。

滴滴出行资深软件工程师唐博共享了《滴滴机器学习渠道k8s落地与实践》,唐博从滴滴机器学习渠道的特色开端讨论,共享了滴滴机器学习场景下的k8s落地实践与二次开发的技能实践与经历,包含渠道稳定性、易用性、运用率、渠道k8s睡前故事,AI ProCon满足落幕,五大技能专场精彩瞬间不容失去,苏宁电器版别晋级与二次开发等内容。此外,唐博还介绍了滴滴机器学习渠道是怎么从yarn搬迁到到k8s的,以及yarn的二次开发、与k8s的比照等。最终,他与咱们共享了滴滴机器学习渠道正在研制中的功用以及未来展望。

杭州灵西机器人首席科学家王灿的议题是《3D机器人视觉在工业主动化和仓储物流范畴的运用》。王灿介绍了3D视觉、人工智能和工业机器人的结合而成的“3D机器人视觉”技能,3D机器人视觉让工业机器人等主动化设备能以更高精度、更快速度履行更杂乱的作业,是工业主动化晋级甚至将主动化技能面向更多工业范畴必不行少的一环。

昨日,大会六大主题报导、四大技能专题的精彩瞬间也不容失去:

大会伊始,CSDN 开创人&董事长、极客帮开创合伙人蒋涛以《AI 年代的开发者时机》为题开场致辞。

鹏城实验室人工智能研讨中心副主任田永鸿教授宣布《鹏欧美3d城云脑——打造新一代人工智能根底睡前故事,AI ProCon满足落幕,五大技能专场精彩瞬间不容失去,苏宁电器理论开源敞开立异渠道》主题讲演。

亚马逊首席科学家李沐以《构建深度学习开源生态的尽力和考虑》为题,立足于深度学习技能,与咱们一起讨论他在构建深度学习开源生态的经历。

华为云通用AI服务总司理、语音语义立异Lab主任、首席科学家袁晶以《AI的落地和落地的AI》为题,立足于人工智能技能,与咱们一起讨论人工智能技能与职业AI落地实践。

百度深度学习技能渠道部总监马艳军以《飞桨大规划分布式练习和高速推理引擎》为题,共享了开源深度学习渠道飞桨的中心结构规划和技能。

随后,乂学教育-松鼠AI联合开创人&CTO樊星立足于人工智能技能,为在场开发者共享了AI+教育的布景下,人工智能技能对学习功率前进的改造之路。

驭势科技联合开创人、董事长、CEO吴甘沙则叙述了无人驾驭工业化的AI应战和机会。吴甘沙表明,无人驾驭要尊重汽车工业长期存在的规则 ,要有敬畏之心。

随后,常识图谱技能专题、AI开源技能专题、5G驱动AIoT技能专题四大技能专场顺畅举办,来自华为云、OpenKG、美团点评、阿里巴巴、鹏城实验室、阿里妈妈、亚马逊AWS、小米、北京邮电大学等企业和学术组织的专家共享了他们在各自范畴的经历。

此外,昨日,CSDN“2019 优异AI、IoT运用事例TOP 30+”榜单正式发布,在人工智能范畴和物联网范畴别离评选出最优异的事例“Top 30+”,来自芯盾年代、比特大陆、澎思科技、乂学教育-松鼠AI等企业的事例取得优胜。

2019 AI ProCon已悉数圆满结束。在这三天中,来自全球的数千开发者共聚北京,与60+人工智能范畴尖端技能专家和大牛面对面沟通,跨过学术研讨与技能出产,深耕技能自身,各范畴专家和实践者共享AI落地经历,为开发者指出技能开展的关键,猜测技能开展趋势,为开发者答疑解惑。

尽管本次 AI ProCon 已落下帷幕,但精彩永久不打烊!接下来的日子,CSDN 将持续为开发者供给更多沟通商讨的渠道,助力开发者学习、生长。未来,等待与千万开发者再次团聚!

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。