2017全球机器学习技术大会，推动人工智能技术新浪潮

2017全球机器学习技术大会，推动人工智能技术新浪潮。

以机器学习为代表的人工智能技术，已经被业界公认为是自互联网以来最伟大的技术革命。通过深度学习算法、大数据、计算硬件这三方面的积累和跃迁，IT业界也终于迎来新一轮的范式转换（Paradigm Sift）： 计算机不再是根据提前预设的程序来执行人类的命令，而是通过“看”（计算机视觉）、“听”（计算机听觉）、“读”（自然语言处理）等方式在基于数据经验的基础上做出超越人类智能的决策和行为。

这种通过机器学习所获得的智能已经在AlphaGo上小试牛刀，而接下来必将在各个领域为人类带来波澜壮阔的革命：自动驾驶、医疗、金融、电商、社交、能源、教育……席卷全球的人工智能技术革命就这样徐徐拉开大幕。正如亚马逊CEO杰夫·贝索斯近日所言 “人工智能会引入很多变革，而机器学习会帮助那些积极拥抱它们的公司，同时对那些抗拒变革的公司构成障碍”。

为了推动人工智能及机器学习技术的发展和实践交流，“2017全球机器学习技术大会（Machine Learning Summit）” 将于2017年6月29-30日在北京金茂万丽酒店盛大召开。大会特邀四十多位全球机器学习领域的技术领袖和实战专家，他们均来自于AI方面具有广泛影响力的科技公司的领军人物：既包括在AI领域圈地围城的Google、Facebook、Microsoft这样的平台型巨头，也包括别具特色的Skymind、Operator、Boomtrain这样的硅谷创业新秀；同时也不乏像Uber、Netflix、Esty、Pinterest等通过机器学习已经挖到金矿的弄潮企业，当然国内在AI领域大举杀入的阿里、腾讯等巨头自然也会不缺席。

作为面向人工智能工程实践领域规模最大的技术大会，“技术实战驱动”是2017全球机器学习技术大会的核心特色。大会通过主题演讲、互动研讨、案例分享、高端培训等形式，深度探讨机器学习在业界一线的最佳实践和创新应用，帮助企业技术决策者、架构师、技术主管、开发经理迎接“人工智能时代”的到来。

大会精彩看点：

一、技术领袖与行业大咖领衔

大会邀请来自国内外机器学习领域，包括来自Google、Microsoft、Facebook、 Uber、Netflix、阿里、腾讯等在内的40多位分布各行业的技术领袖和一线行业应用专家，权威汇聚，阵容前所未有。

二、洞察全球机器学习领域发展趋势

大会通过近50场主题演讲、互动研讨、案例分享等形式，来自顶级专家的权威阐释，洞察全球机器学习领域前沿发展趋势。

三、 来自业界一线的案例解析与干货分享

所有演讲均来自业界一线实战专家现身说法，分享各领域的实践案例 ，多方位头脑风暴，帮助参会者提炼业界经验之精华，深度解析 最佳实践，干货满满。

四、 搭建机器学习领域技术人员的交流平台

大会汇聚近1000名来自主流科技公司人工智能相关企业技术决策者、架构 师、技术主管、系统工程师，高质量技术人脉网络，以技术交流为纽带的深度社交，IT精英人士的交流盛宴。

大会特邀嘉宾：

Gary Bradski，计算机视觉领域的先驱，创办了风行全球的开源计算机视觉库 OpenCV，并担任主席至今。自动驾驶行业先驱 Stanley 的计算机视觉团队负责人。斯坦福 AI 机器人项目 STAIR 的联合创始人。曾担任 Magic Leap 高级副总裁，领导其计算机视觉和深度学习部门。曾长期担任 Intel 首席工程师，管理其计算机视觉部门。Gary 目前是 Arraiy 的联合创始人兼 CTO。

Ying Lu ，目前在 Google 担任数据科学主管，负责 Google Play 商店的内核分析，包括实验设计、数据传输验证，可视化及智能监控工具。在此之前，他曾任 Disney 首席工程师，主导机器学习在推荐系统和聊天机器人中的应用。Ying 还曾在 Microsoft 担任决策科学家、在 Amazon 担任研究科学家，领导机器学习方面的开发和研究工作。

张若非，美国微软人工智能和研究部高级总监。目前微软(硅谷)带领团队负责必应广告平台算法、机器学习模型及大规模离线和在线系统的研发和运营。支持包括必应和雅虎搜索引擎，亚马逊，AOL等在内的众多应用。加入微软前任Yahoo研究院主任科学家和研发总监，管理数据挖掘和相关性优化部门，开发运营了雅虎面向全球市场的搜索及显示广告算法和系统。

Feng Zhu，目前在微软西雅图总部担任资深数据科学家，带领一个技术团队使用机器学习技术为 Azure 业务中的各种问题建立解决方案。在微软之前，Feng 曾在 Amazon 担任研究科学家，使用机器学习技术为支付产品提供欺诈检测和风险管理技术方案。Feng 在美国圣母大学获得电子工程博士学位。

Li Erran， Uber 机器学习平台技术主管，康奈尔大学计算机科学博士。在加入 Uber 之前，Li Erran 在贝尔实验室有14年的工作经验，主要研究方向为人工智能，机器学习算法与系统。Li Erran 同时在哥伦比亚大学计算机系担任副教授。他还是IEEE Fellow，ACM杰出科学家。

Adam Gibson， 人工智能公司 Skymind 联合创始人，技术总监，开源框架 Deeplearning4j 创始人，计算机科学家。Deeplearning4j 是为 Java 和 Scala 编写的首个商业级开源分布式深度学习库。Adam 推出的 Skymind 将深度学习带入财富2000强的企业及国家政府。

Chris Monberg ，Boomtrain 联合创始人，技术总监。Boomtrain 是一个针对市场营销的人工智能平台，每天处理数十亿个用户操作，实时获取每个用户的兴趣点及用户行为。然后通过电子邮件、推送、短信自动和用户沟通。Chris 曾任职全球设计公司 Hornall Anderson 交互副总裁。

杨军，阿里云 iDST 大规模深度学习算法团队负责人，对大规模分布式机器学习的开发、建设、优化以及在不同业务场景中的落地应用有较为深入的理解和认识。先后在奇虎 360 担当技术部门架构师，Yahoo! 北京研发中心担当系统技术负责人。

黄明，腾讯云机器学习平台负责人，T4专家。目前负责腾讯DI-X机器学习平台建设，和高纬度机器学习框架Angel的开发，助力腾讯内部各种数据和机器学习业务快速发展。黄明在分布式计算和机器学习领域，有丰富的研究和开发经验，也是Spark早期的研究者和布道者之一。

Xiangjun Wang，Netflix 高级机器学习工程师，负责并研发 Netflix 众多核心视频个性化推荐系统, 提供主要用户播放流量的来源。帮助公司用户数和播放时间成倍增长，和团队获得个性化推荐算法艾美奖。在加入 Netflix 之前，曾就职于 AT&T 从事搜索，自然语言理解，和个性化推荐的模型研究和开发工作。

洪亮劼，美国电子商务平台 Etsy 数据科学主管，为 Etsy 提供个性化与推荐、搜索、计算广告、图像处理及深度学习和文字信息挖掘等多方面的基于机器学习的产品优化方。曾任职雅虎研究院资深科学家和高级研发经理，亲自领导并参与了多项大规模机器学习系统的研发工作。

Shuang Yang，智能电商公司 Operator 联合创始人、首席科学家，负责 Operator 人工智能和数据科学的研发及公司技术战略等业务。加入 Operator 前，任职于 Twitter，是 Twitter 的首席科学家，领导团队负责 Twitter 在全球内容理解、个性化推荐、自然语言理解和机器学习等领域的研究和工程开发。

郭云松，Pinterest 主管工程师，Pinterest 主页推荐团队的创始人之一，负责推荐模型的研究和实现。研发上线的一系列推荐模型将 Pinterest 主页用户活跃度增加了数倍，使 Pinterest 全球月活跃用户超一亿五千万人。加入 Pinterest 前，曾任职于伦敦高盛及香港 Citadel，从事算法交易，高频交易方面的工作。

彭垚，七牛 AI 实验室创始负责人，七牛云技术总监，主导七牛云人工智能的架构与发展。在深度学习算法和富媒体大数据领域有深入的研究，曾在 IBM 全球系统科技实验室任研发主管多年，是分布式算法，深度学习等多项领域的行业资深技术专家，曾发表超过10篇的美国专利。

林晖，英语流利说首席科学家，联合创始人。曾任Google总部研究科学家，负责 Google 语音识别核心算法的研发。期间，他研发并上线了多语种语音识别系统，该系统获得美国专利，并且植入Google 安卓系统。通过该识别系统，用户可使用多种语言直接进行语音搜索，无需先对语音输入的语种进行手动切换。

Xiangrui Meng，Databricks 机器学习主管，Spark MLlib 机器学习库的核心实现者和维护者，对基于 Spark 的大规模机器学习方案有丰富经验，Apache Spark PMC 成员。此前，Xiangrui 曾担任 LinkedIn 资深研究工程师，是基于 Hadoop MapReduce 离线机器学习框架的核心开发人员。Xiangrui 在斯坦福大学获得计算与数学博士学位。

胡浩源，菜鸟网络高级算法专家。研究深度强化学习在仓配供应链中的应用，融合⼤规模并行分布式计算、遗传算法、超启发式框架，以及传统运筹优化算法，解决诸如车辆路径规划、切箱等问题； 曾任职阿里天猫推荐算法团队，完成的“会场个性化”和“我的双十一”作为最早的双十一个性化产品，在2015年完成20亿成交额。

刘光聪，TensorFlow 资深研究者，目前从事 AI 平台项目的系统架构与设计工作。高级系统架构师，就职于中兴通讯技术规划部，专注机器学习的算法研究，及其系统架构与优化，发表多篇 TensorFlow 专栏文章，并著有《TensorFlow架构与设计》一书。