在互联网搜索、广告系统、推荐系统、电商平台等领域,机器学习、深度学习、NLP已经... 展开 >
张重阳,2014年加入微信,先后负责用户画像建设,lookalike人群定向,微信斑马系统,小程序广告系统,小程序商业化技术。主要专注于NLP(自然语言处理),计算广告,机器学习,数据变现等技术方向。加入微信前曾就职于微软,科大讯飞,从事NLP,语音,搜索推荐,计算广告等技术研究。
在互联网搜索、广告系统、推荐系统、电商平台等领域,机器学习、深度学习、NLP已经非常广泛的应用。本专题会邀请业界专家来分享深度学习框架,以及机器学习和NLP在教育、金融、社交等方向的认知、感知、理解等技术进展。
自人工智能诞生之始,就和游戏紧密的相结合在一起。因为人们通常认为,人类玩游戏的过程是蕴含着人类的智能的。因此,当人们创造出一个能够完成人类的某种游戏的程序,人们认为这个程序拥有了某种类人的“智能”。所以很多游戏如棋牌,星际争霸会成为人工智能测试的很好的环境。
虽然游戏是人工智能研究上一个广受欢迎的场景,但在传统上,人工智能研究者主要是在游戏中测试新的人工智能算法。而在游戏工业界中,游戏从业者们会更关注于怎么使用AI技术来解决游戏中遇到的问题。因此,在本演讲中,我们会从以下几个方面来讨论AI技术的发展对游戏研发带来的影响:
演讲提纲:
3. 深度学习对于游戏研发的意义
听众受益点:
预测模型在LinkedIn是构建统计模型来预测未来的用户偏好和事件趋势。它的重要性不言而喻。其被广泛应用于LinkedIn的个性化推荐产品当中,包括工作推荐、信息流(News Feed)、邮件营销等。
然而,创建大规模预测模型是非常具有挑战性的,它需要处理庞大的数据量和考虑复杂的用户偏好。在这次演讲中,我将介绍预测模型的概念和业界的先进技术,以及当前所遇到的挑战、方案,还有我们在建模实践中开发和应用大规模机器学习(例如:LinkedIn开源机器学习库Photon-ML和易于使用的机器学习平台Photon Gateway)中得到的经验教训。此外,演讲中会引用三个大规模个性化推荐案例加以说明:LinkedIn工作推荐,LinkedIn信息流和邮件营销。
演讲提纲:
听众受益点:
本次演讲将分别从算法,硬件和数据的角度,讲述深度学习平台的开发和应用。
深度学习的算法的趋势是更加多样化和灵活化。需要框架提供数百个稳定和向后兼容的接口。同时在编程方式上,需要更接近传统编程语言的模式。演讲将介绍 TensorFlow 和 Paddlepaddle 在接口兼容性上的设计和 Pytorch 的 imperative 编程模式的成功。
硬件将变得更加异构化,服务器将大量采用 GPU,TPU 加速。移动设备的 SoC 将包含 CPU,GPU,NPU。FPGA 也将在很多场景使用。演讲将介绍异构设备编程的难点,深度学习框架对异构设备的常见优化方法和效果。
大规模的数据对科学家和平台都提出了巨大的挑战。本演讲将介绍 Data Version 对于实验复现的作用和 TensorFlow,Paddlepaddle 数据入口的演化历史。
最终演讲会结合具体案例,介绍深度学习框架在不同场景中的应用。
演讲提纲:
听众受益点:
对于一家在线视频服务公司来讲,理解视频的内容其重要性不言而喻,只有深度理解用户观看的内容到底是什么,才能更好的给用户提供个性化的内容推荐、更好的交互体验等产品服务。
Hulu自2016年开始系统性的在视频内容理解方面展开研究,从视频切分、人工合成元素抽取、视频标签生成、精彩片段分析等等课题入手,通过构建系统平台来支撑视频数据的生成和处理,并对业务及产品的支持方面也多有探索。这其中也积累了一些经验,期望借助这个平台的分享,和大家交流Hulu在这个领域是如何探索和应用的,共同探索这个领域的未来发展趋势。
演讲提纲:
We will cover :
听众受益点: