自从谷歌大脑开源推出深度学习系统TensorFlow，迅速成为全球最流行的深度学习框架。被广泛用于搭建各种应用，极大的推动了人工智能技术的普及。TensorFlow广泛支持各种计算平台，本次演讲由浅入深介绍TensorFlow的基本概念和各种功能。

提纲：

TensorFlow 基础: 简介, APIs
TensorFlow 即时执行（Eager Execution）
TensorFlow Lite: 移动端的TensorFlow
TensorFlow 新功能
TensorFlow 的实际应用例子
TensorFlow 发展计划

听众受益

希望通过对TensorFlow系统全面的介绍，参会者能够了解TensorFlow作为最为流行的深度学习平台的框架和理念，能够迅速上手搭建自己的深度学习应用系统，解决工作中碰到的问题。

自动驾驶是机器学习的集大成者，有广泛的市场和应用前景。

摄像头作为性价比非常高的传感器，在自动驾驶系统中起到了非常关键的作用，如何高效稳定的利用摄像头完成环境感知任务，是极具挑战的工作。通过以摄像头为主的基于计算机视觉的方案，一套低价格，高性能的自动驾驶系统可以大幅度提高用户对安全性的需求。

同时，随着机器学习的应用，尤其是卷积神经网络最近有了长足的进步，在一定程度上都促进了计算机视觉技术在自动驾驶领域的落地。此次演讲，会向听众分享计算机视觉的关键技术研究内容，并向外界展示纽劢科技在基于深度学习的障碍物检测、识别跟踪等多个领域的产品demo。

演讲提纲

• 自动驾驶系统介绍；
• 完全依靠摄像头+计算机视觉的局限性；
• 计算机视觉在自动驾驶系统中的应用： 
  a. 图像处理 
  b. 一般环境感知 
  c. 极端条件下的环境感知
• 未来的挑战。

听众受益

• 了解计算机视觉为主的技术方案在自动驾驶系统中的应用； 
• 了解深度学习在自动驾驶系统中的作用和挑战。

互联网几年来的发展已由数据的在线化，过渡到流程的自动化，目前我们正处于人工智能的风口，即：决策智能化。机器学习、人工智能算法变得越来越重要。配送作为外卖平台闭环链条上重要的一环，在线下的运营中积累了大量的数据，这就为我们在配送过程中运用机器学习的方法进行效率优化，运营成本的优化打下基础。目前配送的多个业务都已经可以看到算法的身影，比如运单调度，定价，时间预测等等。

为了提升机器学习研发效率，支撑算法的运用和快速迭代，厘清算法和工程的边界，我们在整合已有的支撑机器学习工具的基础上，围绕数据构建闭环，以平台化的思维搭建了一站式的机器学习平台。

模型管理平台：统一算法模型格式，为算法模型的发现、部署、切换提供支持，同时支持分区模型和超大模型；

数据图谱：在数据分层的基础上多维度索引元数据，解决算法工程师找数据的问题；

特征平台：为线下特征生产提供统一口径、为线上特征获取提供稳定高效的接口，支撑线上高并发；

AB实验平台：为线上实验提供分流、埋点和实验效果自动评估服务；

机器学习定义语言（MLDL）：定义机器学习全流程（数据清洗、数据抽取、构造训练数据集、模型训练、模型评估、线上预测）。

演讲提纲：

1. 配送业务简介
2. 机器学习在美团配送中的应用
3. 美团配送算法数据平台
4. 演进方向与展望

听众受益点：

• 机器学习全流程如何落地？
• 如何高效支持算法快速迭代？

随着金融科技的飞速发展，越来越多的金融业务与互联网结合而变得高效而普惠。然而，大量资金涌入互联网金融也使得各种盗号，骗贷等黑色产业层出不穷，一旦风控系统出现漏洞，会使得黑产蜂拥而至，造成无法承受的损失，风险控制因此成为了决定互联网金融业务生死存亡的关键。

传统的反欺诈系统通常是基于黑白名单和规则策略，对黑产识别能力有限并且容易被破解或绕过。腾讯云天御应用深度学习技术给金融行业输出风险控制能力，具备业界领先的欺诈识别能力。相对于传统的规则策略，机器学习尤其是深度学习能够更准确的学习大量数据间的复杂关系，并且能够对新出现的欺诈行为自动学习，有显著的准确度提升。本次分享将介绍互联网金融的黑产现状，以及基于深度学习的反欺诈系统开发。

听众收益

• 了解互联网金融业务中的黑产现状
• 了解应用深度学习进行欺诈风险识别的系统搭建