10月28日， SDCC 2017“人工智能技术实战线上峰会”将在CSDN学院以直播互动的方式举行。
如今人工智能已不单单是发表学术论文、刷新正确率的竞赛，抑或全民参与的新闻事件，它早在为各行各业的先行者们创造着实实在在的利润和商业价值。而且，随着算法改进、硬件升级、架构优化，应用人工智能技术带来的收益还会越来越高。
作为SDCC系列技术峰会的一部分，来自阿里巴巴、微软、商汤科技、第四范式、微博、出门问问、菱歌科技的AI专家，将针对机器学习平台、系统架构、对话机器人、芯片、推荐系统、Keras、分布式系统、NLP、用户画像等热点话题进行分享。先行者们正在关注哪些关键技术？如何从理论跨越到企业创新实践？你将从本次峰会找到答案。每个演讲时段均设有答疑交流环节，与会者和讲师可零距离互动。
限时特惠199元即可听7位技术专家的在线分享，扫描文末二维码立即报名
讲师&议题介绍
演讲主题：自然语言处理在“天猫精灵”的实践应用
个人简介：姜飞俊（齐桓），阿里集团人工智能实验室高级算法专家，本科和博士先后毕业于浙江大学和香港科技大学，2012年博士毕业后加入阿里集团，目前带领团队负责天猫精灵语音助手的自然语言理解技术。
主题简介： 天猫精灵是目前热卖的一款智能音箱，在实现了远场唤醒拾音的同时，也实现了意图的灵活跳转和多轮理解。本次演讲将分享：我们在实际做这个产品中遇到了哪些困难，接下来还有哪些有意思的课题可以去研究来实现自然的人机交互。
听众受益：
1. 对目前实际产品中使用的自然语言技术有所了解；
2. 了解产品实现过程中所面对的实际问题。
演讲主题：用户画像系统应用与技术解析
个人简介：汪剑，现在在出门问问负责推荐与个性化。曾在微软雅虎工作，从事过搜索和推荐相关工作。
主题简介： 本次演讲介绍用户画像包含的相关概念以及用户画像系统在哪些领域得到应用，然后介绍用户画像系统的架构模块，输入输出，以及用到的相关技术和模型。最后对用户画像在相关领域的应用做一个介绍。
听众受益：
1. 从技术和产品层面了解用户画像；
2. 通过实际构建用户画像的案例中了解针对公司业务如何构建适合自己的用户画像系统。
演讲主题：使用Keras由零开始快速构造自己的深度学习模型
个人简介：谢梁，美国微软总部首席数据科学家，主持运用机器学习和人工智能方法优化大规模高可用性并行存储系统的运行效率和改进其运维方式。具有十余年机器学习应用经验，熟悉各种业务场景下机器学习和数据挖掘产品的需求分析、架构设计、算法开发和集成部署，涉及金融、能源和高科技等领域。曾经担任美国道琼斯工业平均指数独有保险业成分股的旅行家保险公司分析部门总监，负责运用现代统计学习方法优化精算定价业务和保险运营管理，推动精准个性化定价解决方案。在包括Journal of Statistical Software等专业期刊上发表过多篇论文，担任Journal of Statistical Computation and Simulation期刊以及Data Mining Application swith R一书的审稿人。
主题简介： 深度学习在过去几年间得到了长足进步和应用，在很多业务领域，深度学习甚至颠覆了人们对传统机器学习的概念，很多以前觉得不可能或者非常难以实现的能力借助深度学习能得到发展。虽然深度学习现在炙手可热，但是很多机器学习和数据分析实践者觉得入门较难，现有的计算框架，比如TensorFlow，Theano，Caffe，CNTK等学习曲线较高。本次演讲介绍Keras这个非常流行的，高度抽象的深度学习建模框架，其和Python环境的无缝整合，与神经网络图高度对应的构造方法都能让实践者快速进入深度学习领域，搭建自己的模型，应用到业务中去。
听众受益：
1. 从不会到开始打造自己的深度学习模型；
2. 了解现在常用的模型概念和框架及其在Keras中如何进行构建。
演讲主题：深度学习在搜索的应用：学术前沿与工业方案解析
个人简介：张俊林，新浪微博AI实验室资深算法专家，《这就是搜索引擎：核心技术详解》与《大数据日知录：架构与算法》作者，中科院软件所博士，曾担任阿里巴巴、百度、用友等公司资深技术专家及技术总监职位，目前关注深度学习在自然语言处理方面的应用。
主题简介： 本讲座主要介绍深度学习技术在搜索的应用，深入跟踪最前沿技术，并对当前典型技术方案进行系统性的分类梳理，不仅对目前主流的学术界深度学习搜索技术方案（MLP/RNN/CNN/AutoEncoder等）进行技术思路介绍及特点分析，也对工业界目前主要使用的代表性技术方案进行了分析和讲解。
听众受益：
1. 听众可以系统性地了解在搜索中如何应用深度学习技术，包括目前学术界最前沿的技术方案及工业界应用的主流方法；
2. 可以了解各种方案的优缺点及使用场景，对于在实际工作中使用深度学习构造搜索系统有很好的指导作用。
演讲主题：深度学习部署系统构建
个人简介：刘文志，商汤科技高性能计算部门负责人，硕士毕业于中国科学院研究生院。曾于2011 年至2014年间于英伟达担任并行计算工程师。后就职百度深度学习研究院高级研发工程师，负责异构计算组日常工作。两项美国专利申请已公示、多项国内专利公示。已出版《并行算法设计与性能优化》、《并行编程方法与优化实践》、《科学计算与企业经应用的并行优化》、《OpenCL 异构并行计算》等四本个人著作，《并行算法设计与性能优化》已印刷近万本。
主题简介： 随着人工智能快速发展，其对芯片计算性能和功耗的要求也随之提高，本次演讲主要介绍如何把深度学习做到手机和嵌入式上，如何在嵌入式和手机上构建高性能的深度学习基础设施。
听众受益：
1. 人工智能发展水平；
2. 深度学习技术，芯片技术；
3. 如何把深度学习应用部署到手机和嵌入式平台上。
演讲主题：多租户机器学习平台的权限模型与调度设计
个人简介：陈迪豪，第四范式先知平台架构师。活跃于Kubernetes、TensorFlow等开源社区，参与了Xiaomi CloudML、4Paradigm Prophet机器学习平台搭建，熟悉高可用、分布式系统原理，Github账号https://github.com/tobegit3hub。
主题简介： 目前深度学习技术渐趋成熟，基于机器学习的应用也越来越多，搭建分布式的通用机器学习平台成为各大企业的重要议题。对于一个支持多租户的分布式、高可用系统，设计灵活、安全的权限模型和支持多种计算框架的调度也非常重要。本次分享的主题将涵盖搭建分布式机器学习平台的架构设计和实现细节，介绍多种业界标准的认证和授权模型，还有如何集成Kubernetes、TensorFlow等开源组件，让机器学习在真实的业务中落地。
听众受益：
1. 了解业界机器学习平台的实现原理；
2. 对于权限模型和调度系统的架构设计有进一步理解；
3. 能够基于开源项目快速搭建一个通用的机器学习平台。
演讲主题：深度学习在推荐领域的应用和实践
个人简介：吴岸城，菱歌科技首席算法科学家，致力于深度学习在文本、图像、预测推荐领域的应用。曾在中兴通讯、亚信（中国）担任研发经理、高级技术经理等职务。
主题简介：
1、 推荐系统的问题
（1）数据稀疏性
（2）冷启动问题
（3）推荐质量评价问题
2、传统的方式做推荐
3、深度学习做推荐（MLP/AE/CNN/RNN/DSSM…）
4、学习Google/Linkedin的推荐经验
5、基于深度学习Lookalike
听众受益：
1. 了解推荐系统目前遇到的问题和传统解决方式；
2. 深度学习做推荐系统的优势，以及目前发展到什么程度；
3. Network Embedding在推荐系统中如何使用、基于深度学习Lookalike。
