亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

報告主題： TensorFlow, open source, and IBM

報告摘要： IBM長期致力于為客戶帶來最大利益的開源項目，并且公司多年來一直致力于為企業數據科學問題構建負責任的解決方案。本報告了解IBM在開源軟件TensorFlow，構建AI解決方案中的作用，以及IBM對最新版本（2.0）的興奮之處。

嘉賓介紹： Fred Reiss，加州大學伯克利分校博士，現在是位于舊金山的IBM Spark技術中心的首席架構師，并且是該中心的創始員工之一。 在此之前，他曾在IBM Research – Almaden工作，從事SystemML和SystemT項目以及DB2 with BLU Acceleration的研究原型。 弗雷德（Fred）擁有超過25種經過同行評審的出版物和6項專利。

主題： TensorFlow community announcements

摘要： Kemal El Moujahid透露了TensorFlow社區令人興奮的發展。加入以了解TensorFlow團隊如何為開發人員和企業成功提供新的和改進的資源。

邀請嘉賓： Kemal El Moujahid，是Google TensorFlow的產品總監。他熱衷于解決AI的重大問題并建立充滿活力的開發者社區。此前，凱末爾（Kemal）領導了Facebook的虛擬助手M，Messenger Platform和Wit.ai。凱末爾（Kalal）擁有巴黎高等理工學院和巴黎電信的學位，以及斯坦福大學商學院的MBA學位。

報告主題： TensorFlow.js: Bringing machine learning to JavaScript

報告摘要： Java是世界上使用最廣泛的編程語言，借助TensorFlow.js，可以將TensorFlow和機器學習的功能帶入JavaScript應用程序。 Sandeep Gupta和Joseph Paul Cohen介紹了TensorFlow.js庫，并展示了將機器學習與基于JavaScript的Web，移動和服務器端應用程序相結合的驚人可能性。

嘉賓介紹： Sandeep Gupta是Google的產品經理，他在其中幫助開發和推動TensorFlow（Google的開放源代碼庫和機器學習框架）的路線圖，以支持機器學習應用程序和研究。 他的重點是改善TensorFlow的可用性并推動社區和企業的采用。 Sandeep對機器學習和AI如何以多種方式改變生活感到興奮，他與Google團隊和外部合作伙伴一起為所有人創建了強大的可擴展解決方案。 此前，Sandeep曾是GE Global Research的高級成像和分析研究與開發的技術領導者，特別側重于醫學成像和醫療分析。

Joseph Paul Cohen是Mila和蒙特利爾大學的Yoshua Bengio的博士后。 約瑟夫（Joseph）領導Mila的醫學研究小組，致力于計算機視覺，基因組學和臨床數據。 他擁有波士頓馬薩諸塞大學的計算機科學和機器學習博士學位。 他的研究興趣包括醫療保健，生物信息學，機器學習，計算機視覺，臨時網絡和網絡安全。 約瑟夫獲得了美國國家科學基金會研究生獎學金和IVADO博士后獎學金。 他是the Institute for Reproducible Research的所長，該研究所致力于利用技術改善科學研究過程。

主題： Production ML pipelines with TensorFlow Extended (TFX)

摘要： AurélienGéron致力于使用TensorFlow Extended（TFX）創建生產ML管道，并使用TFX從ML編碼過渡到ML工程。在這里可以學習者可以遍歷基礎知識，將自己的第一個管道整合在一起，然后學習如何自定義TFX組件以及對模型性能進行深入分析。

課程大綱：

• 生產軟件部署和機器學習中的問題和方法
• TFX基本概述：庫，組件和元數據
• 動手研討會：您的第一個管道-帶有Airflow的本地TFX
• 動手練習：開發自定義組件
• 動手研討會：備用管道-A/B測試管道架構
• 使用TFX處理數據：使用TensorFlow數據驗證（TFDV）查找和修復問題
• 動手練習：模型理解問題-TensorFlow模型分析（TFMA）和假設分析
• 部署目標：Lite，JavaScript和服務
• 混合云和本地部署

邀請嘉賓： AurélienGéron，是Kiwisoft的機器學習顧問，也是O'Reilly暢銷書*《 Scikit-Learn，Keras和TensorFlow的動手機器學習》的作者*。之前，他領導YouTube的視頻分類團隊，是Wifirst 的創始人兼CTO，并曾在以下多個領域擔任顧問：金融（摩根大通和法國興業銀行），國防（加拿大國防部）和醫療保健（輸血）。他還出版了幾本技術書籍（有關C ++，WiFi和Internet體系結構），并且是巴黎多芬大學的講師。

報告主題：Building contextual AI assistants with machine learning and open source tools

報告摘要：泰勒·鄧恩（Tyler Dunn）通過引入基于機器學習的對話管理方法，挑戰了聊天機器人開發的常規方法。您將學習對話式AI的基礎知識，自然語言和對話管理背后的機器學習技術，以及使用Rasa Stack的基礎知識。RasaStack是一種基于ML的開源框架，使開發人員能夠在內部構建上下文助手。

邀請嘉賓：Tyler Dunn，是位于柏林的初創公司Rasa的產品經理，他專注于使開發人員能夠構建最佳的對話體驗并將其部署到生產中。之前，Ty是一名軟件工程師，最近是另一家對話式AI初創公司的研究團隊的成員。他有興趣使用這項技術來改善我們處理和應對每天所面臨的越來越多的信息和復雜性的方式。Ty擁有密歇根大學計算機科學專業的認知科學學士學位。

報告主題：How to deploy large-scale distributed data analytics and machine learning on containers (sponsored by HPE)

報告摘要：

數據量和復雜性每天都在增加，因此，公司必須了解其業務需求才能保持競爭優勢。得益于AI，機器學習和深度學習（DL）項目（例如Apache Spark，H2O，TensorFlow和Horovod），這些組織不再需要鎖定特定的供應商技術或專有解決方案來維持這種競爭優勢。這些功能豐富的深度學習應用程序可直接從開源社區獲得，其中包含針對特定用例量身定制的許多不同算法和選項。 企業面臨的最大挑戰之一是如何以一種簡單且一致的方式部署這些開源工具（請記住，其中一些工具具有操作系統內核和軟件組件）。例如，TensorFlow可以利用NVIDIA GPU資源，但是在GPU上運行TensorFlow要求用戶在主機上設置NVIDIA CUDA庫，并安裝和配置TensorFlow應用程序以利用GPU計算工具。設備驅動程序，庫和軟件版本的組合可能令人望而生畏，并可能對許多用戶造成失敗。 此外，由于GPU是一種高級資源，因此組織希望最大限度地利用它們。使用這些資源的群集需要按需配置，并在計算完成后立即釋放。 Docker容器是啟用這種即時集群置備和取消置備的理想選擇。它們還確保可重復且一致的部署。 Thomas Phelan演示了如何在安全的多租戶環境中使用Docker容器上的GPU硬件加速功能來部署AI，ML和DL應用程序，包括Spark，TensorFlow和Horovod。在Docker容器中使用基于GPU的服務確實需要仔細考慮，因此他還將探索一些最佳實踐。

嘉賓簡介

Thomas Phelan是BlueData的聯合創始人兼首席架構師。 此前，Silicon Graphics原始團隊的成員設計并實現了XFS，這是第一個商業上可用的64位文件系統。 他是VMware的一名早期員工，一名高級工程師和ESX存儲體系結構團隊的關鍵成員，他在其中設計和開發了ESX存儲I / O負載平衡子系統和模塊化可插拔存儲體系結構，并領導了許多關鍵團隊 存儲計劃，例如云存儲網關和vFlash。

報告主題：For AI to thrive, failure is necessary: A practical guide (sponsored by IBM Watson)

報告核心：

Ritika Gunnar通過研究分析為什么需要關注組織的文化并建立以數據為中心的方法來組建一個強大的，支持AI的組織。

嘉賓簡介

Ritika Gunnar ，IBM數據和AI專家服務與學習的副總裁。她和她的團隊一起通過數據優先和AI優先的方法與客戶合作，并使用基于知識的技能幫助實施數據和AI解決方案，以加快數據和AI企業功能的采用。之前，Ritika曾擔任IBM Watson產品副總裁，負責Watson的所有數據和AI產品組合，定義了產品組合戰略，產品執行和推動業務成果。她曾擔任IBM全球云和認知GTM組織的副總裁；曾擔任IBM數據和分析業務副總裁，負責制定IBM數據平臺，數據科學和分析實踐的戰略和執行；她領導并管理著IBM的主數據管理和信息集成與治理業務以及IBM的數據倉庫和分析業務。她于1999年以軟件工程師的身份加入IBM。Ritika擁有德克薩斯大學奧斯汀分校的計算機科學學士學位和商業管理碩士學位。

報告主題：Start your engines: Real-time AI for entity resolution

報告摘要： 實體解析（確定“誰是誰”和“誰與誰相關”）對于幾乎每個行業都至關重要，包括銀行，保險，醫療保健，市場營銷，電信，社會服務等。杰夫·喬納斯（Jeff Jonas）詳細介紹了如何使用為通用實體解析而創建的專用實時AI，以獲取新見解并更快地做出更好的決策。

邀請嘉賓：Jeff Jonas是Senzing 的創始人兼首席執行官，是一位備受贊譽的數據科學家，也是實體解析系統的主要創造者。他創立了Senzing，其目標是使實體解析技術適用于世界各地的所有人。在過去的三十多年中，他一直處于為公司和政府解決復雜的大數據問題的最前沿。他是一個三次創業者和出售他的最后公司IBM在2005年之前，他是一個IBM研究員和上下文計算的首席科學家在IBM，在那里他領導的團隊專注于為實體解析技術打造新一代AI。

報告主題：Deploying machine learning models on the edge

報告摘要： 當物聯網遇到人工智能時，大數據，云計算和智能邊緣方面的新一輪創新開始。據估計，到2020年，個人或企業物聯網設備每天將產生250 PB的數據。邊緣計算非常適合處理此數據，因為邊緣計算提供了一種在本地計算設備而非云或遠程數據中心收集和處理數據的方法。它對物聯網應用具有兩個主要優勢：實時數據分析和減少向云的數據傳輸。因此，物聯網設備的延遲減少，并且對狀態變化的反應更快。作為邊緣計算的一部分，智能邊緣旨在將預測分析引入邊緣設備。 Yan Zhang和Mathew Salvaris探索了在邊緣部署機器學習模型的方法，實踐和工具，提供了使用Python創建預訓練的ML模型，將其打包在Docker容器中以及按以下方式部署的逐步指南。邊緣設備上的本地服務。他們概述了如何測試和驗證每個步驟以及發現您可能遇到的陷阱。

邀請嘉賓：Yan Zhang (Microsoft)、 Mathew Salvaris (Microsoft)

嘉賓簡介

Yan Zhang是Microsoft Cloud and Enterprise數據小組算法和數據科學團隊的高級數據科學家。她建立了預測分析模型，并在云機器學習平臺上推廣了機器學習解決方案。她最近的研究包括醫療領域的成本預測和欺詐索賠檢測，物聯網應用程序的預測性維護，客戶細分和文本挖掘。此前，她是錫拉丘茲大學（Syracuse University）的研究教員。Yan擁有佛蒙特大學計算機科學系的數據挖掘博士學位。她是23種出版物的作者，其中包括期刊文章，會議論文和博客文章。她的第一篇論文獲得了第17屆IEEE最佳論文獎人工智能工具國際會議。她是2015年9月出版的《使用Microsoft Azure機器學習進行預測性分析》（第二版）的審稿人之一。

Mathew Salvaris是Microsoft的數據科學家。以前，Mathew是一家小型創業公司的數據科學家，該公司為基金經理提供分析。UCL認知神經科學研究所的博士后研究員，在帕特里克·哈格德（Patrick Haggard）的自愿和自由意志領域工作，設計了模型，使用腦電圖（EEG）實時解碼運動皮層中的人類決策；他是埃塞克斯大學腦計算機接口小組的博士后，在那里他從事BCI的計算機鼠標控制工作。Mathew擁有腦機接口博士學位和分布式人工智能理學碩士學位。

報告主題：When flying is cheaper than standing still

報告摘要： 很難忽視對自治和機器人技術的關注。影響是巨大的，影響范圍很廣，包括無人駕駛汽車的運輸，移動機器人的物流和供應，以及飛機或無人機的遙感應用。拉斐爾·安德里亞（Raffaello D'Andrea）探索了自主室內無人機將如何推動下一波自主機器人技術的發展和增長。

邀請嘉賓：Raffaello D'Andrea是全球領先的自動室內無人機系統提供商Verity的創始人，首席執行官兼董事長。ROBO Global的聯合創始人，世界上第一個機器人交易所交易基金的創建者；蘇黎世聯邦理工學院動力系統與控制教授（休假）。他于2003年與他人共同創立了Kiva Systems（現為Amazon Robotics）。從1999年至2003年，他曾四次奪得世界冠軍康奈爾RoboCup團隊的系統架構師和教職顧問。此外，他還是一位新媒體藝術家，并在各個國際場所舉辦過展覽，包括威尼斯雙年展，FRAC中心和加拿大國家美術館。其他創作和項目包括“飛行器競技場”，“分布式飛行陣列”，“平衡立方體”，“ Cubli”，“飛行組裝式建筑”，“盲雜耍者”，“機器人座椅”和“機器人地球”。他的TED演講有近2000萬次，兩次演講激發了一代人追求工程技術，機器人技術和計算機科學的靈感。