-
百分点Deep Governor2018年6月30日分析现阶段政府大数据以及电子政务领域的顶层设计思路，直击其业务痛点和建设误区，从正反两面对中国政府的信息化建设现状进行论述。在此基础上，介绍百分点的Deep Governor产品，阐述其基本架构、设计思路、应用场景以及如何辅助政府部门完成智能化的趋势预测、对策分析、政策模拟、效果评估等业务。阐述Deep Governor在提升政府决策效率，降低决策风险，增强政府治理水平的效果和预期。
-
AI在无人驾驶中的应用及商业落地2018年6月30日随着人们对安全、高效、舒适的驾驶体验的不断追求，自动驾驶成为人工智能新的突破口，也承载着人类未来出行的大梦想。景驰科技率先提出要在2020年中叶实现无人车的量产和运营投放，成为全世界第一批、中国第一家能够规模化应用无人驾驶技术的并商用运营的企业。此次报告将围绕景驰最新的科研成果分享景驰对汽车行业趋势的判断，人工智能中无人驾驶领域的具体应用，分析无人车技术领域的难点与创新，无人驾驶的商业落地模式探讨，并向外界展示景驰在高精地图，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。
-
TensorFlow技术发展与落地实践2018年6月30日分享TensorFlow及深度学习的发展历程、深度学习在不同方向上的应用场景和技术，并具体介绍如何将深度学习落地到服装设计行业
-
机器学习和深度学习2018年6月30日
-
知识图谱在行业中的应用案例2018年6月30日知识表示和推理的知识图在过去十年，被应用却不曾普及到全行业。本次分享用图形表达本体，从而可以在图形上执行并行推理。将介绍一些关于知识图的非标准推理的工作。基于上下文信息的知识表示学习方法，将介绍我们从数据中学习轻量级本体的工作。最后，将讨论知识图在不同领域的应用，如金融、互联网、物联网等
-
超导量子计算2018年6月30日由于量子计算在某些问题的处理能力上相比于经典计算机有着压倒性的优势，被普遍认为是下一代的计算技术，因而引起了广泛的关注。目前，人们在十余种体系中探索着可扩展量子计算，超导方案是其中备受关注的一种。超导量子计算是利用超导体特有的宏观量子效应而构建的一种量子计算方案。因为工艺上与现有的半导体相同，因此具有良好的可扩展性。随着该方案一些瓶颈性问题逐步得到解决，人们已经看到了量子计算走向实用化的曙光。目前，例如Google，IBM，阿里巴巴等大型高科技公司纷纷开始介入该项领域，力求在量子计算实用化的道路上取得实质性的突破。本次报告将就上述内容进行详细的讲解，欢迎大家聆听。
-
AIoT：智能协同网2018年7月1日
分析阿里云对人工智能实体产业最佳实践的最新研究成果，孕育产业“BAT模式”，孵化行业数字化创新生态圈，从中美科技大事件解读人工智能未来发展趋势，为企业家、技术极客带来天合光能、盾安、中策橡胶、杭州交警、四川特驱、中金易云、淘工厂、天猫精灵、斑马汽车等最新案例、模式、经验。
-
线下线上的智能融合的人工智能2018年7月1日伴随着互联网线上时代发展红利的逐渐消失，接下来我们将迎来线上与线下互相融合与联动发展的时代。依托万物互联产生的海量物联网数据，人工智能技术将在线上线下融合中大放光彩。本次演讲将从智慧物流，预测与智能调度，运筹优化，智能客服，智能营销，图像视觉，语音语义理解，智能机器人等领域去分享如何综合运用人工智能技术去解决线上线下融合时代的技术挑战。
-
福尔摩斯人工智能引擎2018年7月1日广告营销是互联网企业的重要收入来源，同时也是将大数据和人工智能结合的最成功的商业场景之一。在广告营销中，需要解决人群、媒体、创意、效果预估、反欺诈、归因等各种问题，如何选择合适的技术达到最好的效果，是每个广告技术人员最关心的问题；本分享将基于品友的福尔摩斯平台，介绍如何运用深度学习、NLP、分类、聚类、控制论、最优规划等技术，解决广告营销中的上述问题。
-
58同城人工智能平台架构实践2018年7月1日人工智能技术正被各大企业广泛应用于众多产品和服务之中，包括传统的机器学习算法和时下流行的深度学习算法，如何设计一套人工智能平台以支持AI工程师低成本、高效地开展机器学习和深度学习任务至为重要。本次分享将介绍五八同城人工智能平台的架构设计以及相关模块的技术实现细节。
-
算法在海量实时数据场景中的异常检测与定位实践2018年7月1日蚂蚁金服金融核心系统对稳定性和恢复能力有极高的要求，构建完备的自动事中检测和恢复能力具有重要意义，也是是业界一大热门话题。结合蚂蚁金服AIOps的实践经验，以单源时间序列异常检测、多源时间序列融合异常检测和业务故障定位为切入点，分享我们在构建自动异常检测和定位能力时遇到的关键问题及解决方案。
-
深度学习在精准推荐上的技术演进实践2018年7月1日
精准推荐从算法升级到工程化应用，随着技术发展，不断演进升级，深度学习发挥了越来越显著的作用；
首先分析了建模算法及工程化困局；
其次介绍尤其在深度学习上应用的显著的成果和技术框架；
平安人寿从传统算法出发，迭代高阶算法到深度学习，并在每个阶段不断深化，包括传统算法中的最优分箱、到高阶算法中的自动变量组合与梯度下降调优、再到深度学习的输入预处理与层次结构优化；每一步在上一步基础上，根据软硬件环境和技术发展水平持续提升效果，建立了一整套完整的算法体系和方案，以及相应的工程化应用方案，快速支持业务高效的应用；
最后，展望了精准推荐技术演进发展的方向和趋势.
