-
从智能到智慧：怎样设计AI迎合场景需求2018年6月30日智能这件事我们已经差不多玩到极致了，单项的人工智能已经在很多领域突破了人类的认知能力，但是为什么我们做出来的东西有几个可以拿出来说叫智慧的？为什么会出现这种情况？这背后的逻辑是不是有可以重新审视并改进的？有没有真实的商业场景来支撑？技术层面有哪些帮助智慧的理念可持续性地落地的？让我们来一起聊聊。
-
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。
-
深度学习自动化和模型优化2018年6月30日深度学习是人工智能领域的一场革命。它对众多传统和新兴产业形成了深远的影响，在许多人工智能领域取得了重要的突破。然而，在实际应用过程中，深度学习模型的推行存在着诸如结构难以设计、调节超参工作复杂繁冗等许多问题。设计一套自动生成和优化的深度学习系统，可以显著提高深度学习任务的效率，降低设计门槛，并探索更优的神经网络结构。本次分享将介绍微博开发的一套深度学习中模型自动生成和优化系统的实现细节。
-
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。
-
新零售场景下视觉人工智能的挑战2018年6月30日人工智能正在迅速地应用在各行各业，尤其是零售行业将迎来应用人工智能实现新零售转型的春天。线下场景的人工智能技术带来了新的技术挑战，识别调用频次高、图片采集质量容易受干扰、图片量大并且增长快。本次将逐一分享这些挑战的解决思路和方案。
-
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。
-
金融科技大数据实时与多维分析应用2018年6月30日
金融科技大数据实时与多维分析应用：
1）和互联网其他领域不同，金融科技领域需要使用大数据技术主要解决两个问题：a.用户多维度信用相关数据的在线存储和访问: 单用户可能有多达上万行数据；b.用户行为/交易数据的高可用OLTP + OLAP处理：对于实时监控+运营的强需求。
2）问题a的常见解决办法：Hbase/MongoDB。问题b的可能解决趋势：MySQL -> NewSQL。
3）实时数仓 vs准实时应用vs 数仓/BI报表
-
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。
-
打造深度业务价值的大数据应用2018年6月30日
具备深度价值的数据应用可划分为4个层级，每个层级都具备更进一步的价值挖掘。
提出成熟科学的数据应用建设方法论，每个层级的业务梳理内容及实现方法各有不同。
通过分享各个层级的相关案例，使企业明确具备深度价值的数据应用的形态及建设方法，真正挖掘透彻数据价值。
-
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.
-
人工智能产品中的测试挑战2018年6月30日人工智能飞速发展的今天，整个计算机行业正在经历翻天覆地的变化，从分布式高性能计算，到人机界面的全新交互方式，这些挑战也意味着今天的测试行业也需要作出响应的改变。今天依图科技作为一家在人工智能领域快速前行的创业公司，我们希望何大家分享我们是如何面对今天人工智能的对测试工作本身带来的挑战变革。例如我们如何从质量保障视角来支撑产品的快速迭代，如何在尽可能高效利用有限资源的情况下完成大规模分布式系统的质量保障，如何敏捷支撑不同产品在测试环境下的快速部署，如何快速应对爆炸的接口测试矩阵等等
-
hermes分析型数据库的自研之路2018年7月1日hermes是分布式的面向分析型的数据库，在腾讯集团内部大规模应用，支撑了海量结构化和非结构化数据的全文检索、万级维度的分析业务。经过3年时间技术和方案打磨，从2017年起hermes产品化，在如金融、公安领域取得一些成功的案例。此次分享跟大家一起探讨hermes的索引特性、服务高可用架构、高吞吐量架构、高性能分析原理，分析hermes如何立足于众多的NoSQL之中。
