2017全球機器學習技術大會，推動人工智慧技術新浪潮

2017全球機器學習技術大會，推動人工智慧技術新浪潮。

以機器學習為代表的人工智慧技術，已經被業界公認為是自網際網路以來最偉大的技術革命。通過深度學習演算法、大資料、計算硬體這三方面的積累和躍遷，IT業界也終於迎來新一輪的正規化轉換（Paradigm Sift）： 計算機不再是根據提前預設的程式來執行人類的命令，而是通過“看”（計算機視覺）、“聽”（計算機聽覺）、“讀”（自然語言處理）等方式在基於資料經驗的基礎上做出超越人類智慧的決策和行為。

這種通過機器學習所獲得的智慧已經在AlphaGo上小試牛刀，而接下來必將在各個領域為人類帶來波瀾壯闊的革命：自動駕駛、醫療、金融、電商、社交、能源、教育……席捲全球的人工智慧技術革命就這樣徐徐拉開大幕。正如亞馬遜CEO傑夫·貝索斯近日所言 “人工智慧會引入很多變革，而機器學習會幫助那些積極擁抱它們的公司，同時對那些抗拒變革的公司構成障礙”。

為了推動人工智慧及機器學習技術的發展和實踐交流，“2017全球機器學習技術大會（Machine Learning Summit）” 將於2017年6月29-30日在北京金茂萬麗酒店盛大召開。大會特邀四十多位全球機器學習領域的技術領袖和實戰專家，他們均來自於AI方面具有廣泛影響力的科技公司的領軍人物：既包括在AI領域圈地圍城的Google、Facebook、Microsoft這樣的平臺型巨頭，也包括別具特色的Skymind、Operator、Boomtrain這樣的矽谷創業新秀；同時也不乏像Uber、Netflix、Esty、Pinterest等通過機器學習已經挖到金礦的弄潮企業，當然國內在AI領域大舉殺入的阿里、騰訊等巨頭自然也會不缺席。

作為面向人工智慧工程實踐領域規模最大的技術大會，“技術實戰驅動”是2017全球機器學習技術大會的核心特色。大會通過主題演講、互動研討、案例分享、高階培訓等形式，深度探討機器學習在業界一線的最佳實踐和創新應用，幫助企業技術決策者、架構師、技術主管、開發經理迎接“人工智慧時代”的到來。

大會精彩看點：

一、技術領袖與行業大咖領銜

大會邀請來自國內外機器學習領域，包括來自Google、Microsoft、Facebook、 Uber、Netflix、阿里、騰訊等在內的40多位分佈各行業的技術領袖和一線行業應用專家，權威匯聚，陣容前所未有。

二、洞察全球機器學習領域發展趨勢

大會通過近50場主題演講、互動研討、案例分享等形式，來自頂級專家的權威闡釋，洞察全球機器學習領域前沿發展趨勢。

三、 來自業界一線的案例解析與乾貨分享

所有演講均來自業界一線實戰專家現身說法，分享各領域的實踐案例 ，多方位頭腦風暴，幫助參會者提煉業界經驗之精華，深度解析 最佳實踐，乾貨滿滿。

四、 搭建機器學習領域技術人員的交流平臺

大會匯聚近1000名來自主流科技公司人工智慧相關企業技術決策者、架構 師、技術主管、系統工程師，高質量技術人脈網路，以技術交流為紐帶的深度社交，IT精英人士的交流盛宴。

大會特邀嘉賓：

Gary Bradski，計算機視覺領域的先驅，創辦了風行全球的開源計算機視覺庫 OpenCV，並擔任主席至今。自動駕駛行業先驅 Stanley 的計算機視覺團隊負責人。史丹佛 AI 機器人專案 STAIR 的聯合創始人。曾擔任 Magic Leap 高階副總裁，領導其計算機視覺和深度學習部門。曾長期擔任 Intel 首席工程師，管理其計算機視覺部門。Gary 目前是 Arraiy 的聯合創始人兼 CTO。

Ying Lu ，目前在 Google 擔任資料科學主管，負責 Google Play 商店的核心分析，包括實驗設計、資料傳輸驗證，視覺化及智慧監控工具。在此之前，他曾任 Disney 首席工程師，主導機器學習在推薦系統和聊天機器人中的應用。Ying 還曾在 Microsoft 擔任決策科學家、在 Amazon 擔任研究科學家，領導機器學習方面的開發和研究工作。

張若非，美國微軟人工智慧和研究部高階總監。目前微軟(矽谷)帶領團隊負責必應廣告平臺演算法、機器學習模型及大規模離線和線上系統的研發和運營。支援包括必應和雅虎搜尋引擎，亞馬遜，AOL等在內的眾多應用。加入微軟前任Yahoo研究院主任科學家和研發總監，管理資料探勘和相關性優化部門，開發運營了雅虎面向全球市場的搜尋及顯示廣告演算法和系統。

Feng Zhu，目前在微軟西雅圖總部擔任資深資料科學家，帶領一個技術團隊使用機器學習技術為 Azure 業務中的各種問題建立解決方案。在微軟之前，Feng 曾在 Amazon 擔任研究科學家，使用機器學習技術為支付產品提供欺詐檢測和風險管理技術方案。Feng 在美國聖母大學獲得電子工程博士學位。

Li Erran， Uber 機器學習平臺技術主管，康奈爾大學電腦科學博士。在加入 Uber 之前，Li Erran 在貝爾實驗室有14年的工作經驗，主要研究方向為人工智慧，機器學習演算法與系統。Li Erran 同時在哥倫比亞大學計算機系擔任副教授。他還是IEEE Fellow，ACM傑出科學家。

Adam Gibson， 人工智慧公司 Skymind 聯合創始人，技術總監，開源框架 Deeplearning4j 創始人，電腦科學家。Deeplearning4j 是為 Java 和 Scala 編寫的首個商業級開源分散式深度學習庫。Adam 推出的 Skymind 將深度學習帶入財富2000強的企業及國家政府。

Chris Monberg ，Boomtrain 聯合創始人，技術總監。Boomtrain 是一個針對市場營銷的人工智慧平臺，每天處理數十億個使用者操作，實時獲取每個使用者的興趣點及使用者行為。然後通過電子郵件、推送、簡訊自動和使用者溝通。Chris 曾任職全球設計公司 Hornall Anderson 互動副總裁。

楊軍，阿里雲 iDST 大規模深度學習演算法團隊負責人，對大規模分散式機器學習的開發、建設、優化以及在不同業務場景中的落地應用有較為深入的理解和認識。先後在奇虎 360 擔當技術部門架構師，Yahoo! 北京研發中心擔當系統技術負責人。

黃明，騰訊雲機器學習平臺負責人，T4專家。目前負責騰訊DI-X機器學習平臺建設，和高緯度機器學習框架Angel的開發，助力騰訊內部各種資料和機器學習業務快速發展。黃明在分散式計算和機器學習領域，有豐富的研究和開發經驗，也是Spark早期的研究者和佈道者之一。

Xiangjun Wang，Netflix 高階機器學習工程師，負責並研發 Netflix 眾多核心視訊個性化推薦系統, 提供主要使用者播放流量的來源。幫助公司使用者數和播放時間成倍增長，和團隊獲得個性化推薦演算法艾美獎。在加入 Netflix 之前，曾就職於 AT&T 從事搜尋，自然語言理解，和個性化推薦的模型研究和開發工作。

洪亮劼，美國電子商務平臺 Etsy 資料科學主管，為 Etsy 提供個性化與推薦、搜尋、計算廣告、影像處理及深度學習和文字資訊挖掘等多方面的基於機器學習的產品優化方。曾任職雅虎研究院資深科學家和高階研發經理，親自領導並參與了多項大規模機器學習系統的研發工作。

Shuang Yang，智慧電商公司 Operator 聯合創始人、首席科學家，負責 Operator 人工智慧和資料科學的研發及公司技術戰略等業務。加入 Operator 前，任職於 Twitter，是 Twitter 的首席科學家，領導團隊負責 Twitter 在全球內容理解、個性化推薦、自然語言理解和機器學習等領域的研究和工程開發。

郭雲鬆，Pinterest 主管工程師，Pinterest 主頁推薦團隊的創始人之一，負責推薦模型的研究和實現。研發上線的一系列推薦模型將 Pinterest 主頁使用者活躍度增加了數倍，使 Pinterest 全球月活躍使用者超一億五千萬人。加入 Pinterest 前，曾任職於倫敦高盛及香港 Citadel，從事演算法交易，高頻交易方面的工作。

彭垚，七牛 AI 實驗室創始負責人，七牛雲技術總監，主導七牛雲人工智慧的架構與發展。在深度學習演算法和富媒體大資料領域有深入的研究，曾在 IBM 全球系統科技實驗室任研發主管多年，是分散式演算法，深度學習等多項領域的行業資深技術專家，曾發表超過10篇的美國專利。

林暉，英語流利說首席科學家，聯合創始人。曾任Google總部研究科學家，負責 Google 語音識別核心演算法的研發。期間，他研發並上線了多語種語音識別系統，該系統獲得美國專利，並且植入Google 安卓系統。通過該識別系統，使用者可使用多種語言直接進行語音搜尋，無需先對語音輸入的語種進行手動切換。

Xiangrui Meng，Databricks 機器學習主管，Spark MLlib 機器學習庫的核心實現者和維護者，對基於 Spark 的大規模機器學習方案有豐富經驗，Apache Spark PMC 成員。此前，Xiangrui 曾擔任 LinkedIn 資深研究工程師，是基於 Hadoop MapReduce 離線機器學習框架的核心開發人員。Xiangrui 在史丹佛大學獲得計算與數學博士學位。

胡浩源，菜鳥網路高階演算法專家。研究深度強化學習在倉配供應鏈中的應用，融合⼤規模並行分散式計算、遺傳演算法、超啟發式框架，以及傳統運籌優化演算法，解決諸如車輛路徑規劃、切箱等問題； 曾任職阿里天貓推薦演算法團隊，完成的“會場個性化”和“我的雙十一”作為最早的雙十一個性化產品，在2015年完成20億成交額。

劉光聰，TensorFlow 資深研究者，目前從事 AI 平臺專案的系統架構與設計工作。高階系統架構師，就職於中興通訊技術規劃部，專注機器學習的演算法研究，及其系統架構與優化，發表多篇 TensorFlow 專欄文章，並著有《TensorFlow架構與設計》一書。

原文釋出時間：2017-05-09 15:46

本文來自雲棲社群合作伙伴鎂客網，瞭解相關資訊可以關注鎂客網。