您当前的位置:中国日用科技网资讯正文

都在关怀AI的使用这些技能难点怎样很少提

放大字体  缩小字体 发布日期:2019-11-08 作者:责任编辑NO。郑子龙0371

跟着 AI 技能的快速开展与前进,AI 技能现已渗透到各行各业,像机场安检的人脸辨认、智能家居的语音交互等 AI 技能运用,已在日子中随处可见,并不断在改变着人们的日子方法,让人们的日子愈加智能快捷。

作为 AI 技能前进的重要推动力,近年来算法和数据的劳绩可谓是功不可没。经过长时刻的开展,AI 算法现已掩盖多个研讨范畴,特别是在视觉辨认和语音辨认上,都有了长足的前进与较高的完成效果。数据方面,借着移动互联网遍及的力气,AI 赖以学习的符号数据也迎来了爆发式增加,一起还降低了符号数据的取得本钱,并进步了数据的处理速度。

可海量数据促进了 AI 前进的一起也将 AI 架构中的存储痛点露出出来,例如文件的数量渐渐的变多,文件的巨细却越来越小;文件需进行重复读取练习,对读的功能要求较高级。除此之外,怎么优化算法来进步功率与安稳性,怎么进步机器学习与深度神经网络猜测的精确度等,也是 AI 技能面临的应战。

那么 AI 技能运用面临的算法进步、存储优化等技能难点怎么处理呢?

11 月 21 日,AICon 北京 2019「AI 技能运用与实践」专场,将约请多位 AI 技能范畴一线专家,环绕 AI 技能的运用与实践事例,解读 AI 算法在智能审校体系上的演进,剖析机器学习精确度进步的新方向,一起同享 AI 场景中存储体系的优化思路与快速练习时序猜测模型的办法。

与职业专家面临面沟通处理

AI 运用技能难点

时刻:2019 年 11 月 21 日 13:30-17:10

地址:北京·世界会议中心

专题讲演介绍

《视觉算法在智能审阅体系上的演进与实践》

讲演嘉宾:

讲演摘要:

在与咱们日子休戚相关的“住”上,视觉算法特别是 AI 算法已在贝壳找房中多个场景落地。以 AI 技能为根底的“机器 - 人工”结合的方法,“机器”会根据贝壳实勘规范,主动审阅质量不合格、保密性不行、真实性不满足等违规图片,审阅愈加高效、安稳。本次讲演将以实勘图审阅事务为例,剖析图画审阅体系现状,论述视觉算法在智能审阅体系上的演进与实践。

听众获益:

了解图画智能审阅体系的现状;

了解视觉算法在智能审阅体系中的运用;

了解贝壳图画技能团队从需求到算法再到完成的全体流程。

《根据集成 Spark 的图处理计划的 AI 实践》

讲演嘉宾:

讲演摘要:

关于许多传统的机器学习来说,特征的提取不是一件简略的工作。在一些杂乱的问题上,需求消耗很多的时刻和精力,经过人工的方法规划有用的特征调集。而根据图的机器学习经过图数据库进行特征弥补,进一步的进步传统的机器学习的精确度,是在现有硬件和人员技能根底上最经济有用的改进计划,也是机器学习开展的新方向。本次讲演将介绍 TigerGraph 怎么与 Spark 集成,完成根据图的机器学习的处理计划。

听众获益:

了解图机器学习怎么在现有资源下经济有用的进步机器学习;

了解常用的图特征提取方法;

了解图数据库和 Spark 集成计划中的数据流和分工。

《针对 AI 场景的存储优化计划》

讲演嘉宾:

讲演摘要:

AI/ML/DL 开展迅猛,GPU 的各种加快方法以及算法的优化,都将功能的瓶颈点搬运到了 AI 架构中的存储体系。在 AI 场景下存储拜访的几个特色:1. 同享拜访,多个节点会拜访同一批数据;2. 读多,写少,文件会被重复读取进行练习;3. 文件巨细越来越小,会集在几 KB 到几 MB 之间;4. 文件数量渐渐的变多,会多达几亿到几十亿,乃至到上百亿。这些对存储体系提出了巨大的应战,首先要支撑文件同享拜访,其次功能要好,尤其是读的功能,最终要能支撑海量的小文件。本次讲演将同享面临这些应战,分布式文件存储体系的优化思路和计划规划。

听众获益:

了解 AI 场景下存储拜访的难点应战;

了解海量文件存储的方法;

了解小文件的功能进步优化思路;

了解怎么处理目录的拜访热点问题。

《在 AWS 云平台上快速开端你的第一个时序猜测使命》

讲演嘉宾:

讲演摘要:

现在,各公司都在测验运用各种东西(从简略的电子表格到杂乱的财政规划软件)来精确猜测未来的事务效果,如产品需求、资源需求或财政绩效。这些东西经过检查前史系列数据(称为时刻序列数据)来构建猜测。本次讲演将同享怎么运用 Amazon SageMaker 以及 Amazon Forecast 快速、低本钱的构建用户自己的猜测模型,并剖析在货品出售、动力供应、资源规划等范畴的运用事例。

听众获益:

了解怎么快速练习出时序猜测模型;

了解怎么运用深度神经网络进步猜测精确度。

“如果发现本网站发布的资讯影响到您的版权,可以联系本站!同时欢迎来本站投稿!