深度学习在多个领域，图像、语音、NLP、推荐等都带来了巨大的效果提升。但是如何快速的运用深度学习解决业务问题，还存在比较的问题。大家都面临的问题是成本高，风险大，落地困难，其原因在于: 难以标准化, 没有一个通用的模型能够解决所有的问题；可迁移性差，不同场景的建模方法存在比较大的差异；调参困难，参数的设置对于最终的效果影响很大，但是参数非常多，调参需要对模型有比较深入的理解；训练和部署困难，需要的资源多，成本高；数据缺乏，尤其缺乏标注好的数据，标注成本比较高。

阿里云 PAI 在解决以上问题做出了一些努力，帮助集团内的算法人员和云上的算法人员来降本增效。

演讲提纲：

1. 标准化模板建立：
   • OCR识别，语音识别ASR，推荐算法，多模态算法
   • EasyVision / EasyTransfer / EasyRec
2. 超参搜索/网络搜索：特征组合方式(Fives)
3. 针对训练和部署困难的解决办法：
   • Tensor 稀疏通信
   • 混合精度训练和 int8 推理
   • 模型剪枝
   • 大规模 Embedding
   • 离线在线特征一致性(特别是实时特征)
   • 自动图优化
4. 新建模方式探索：
   • 迁移学习
   • 半监督学习/active learning
   • 小样本学习

你将获得：

1. 利用 PAI 平台快速解决业务问题，包括视觉、推荐等;
2. 跟进最新的深度学习算法进展。