機器學習之父Michael I. Jordan 親臨2018全球機器學習技術大會

2021-01-12 雷鋒網

大名鼎鼎的Michael I. Jordan(麥可.喬丹)要來了,不是籃球界的飛人喬丹,是機器學習界的開山鼻祖、人工智慧領域根目錄的人物之一;是機器學習領域唯一一位獲得美國科學院、美國工程院、美國藝術與科學院三院院士成就的科學家;是伯克利大學的著名機器學習實驗室AMP Lab的聯席主任。他所教過的學生人才輩出,如深度學習領域的權威 Yoshua Bengio,貝葉斯學習領域權威 Zoubin Ghahramani及前百度首席科學家吳恩達等人都是其門下學生。

就是這樣一位頂級泰鬥,將於2018年9月22-23日親臨由Boolan在上海世紀皇冠假日酒店主辦的ML-Summit 2018全球機器學習技術大會現場(http://ml-summit.org/)。屆時,參會者將有與大師進行面對面交流的寶貴機會。

 

今年2月,在斯坦福由 Michael I.Jordan 、Jeff Dean、LeCun、李飛飛等多位人工智慧領域的大師發起的系統機器學習會議 SysML上,Michael I. Jordan就現在所謂的「AI」進行了抨擊。他認為,我們還未實現真正的AI,它需要依靠邏輯、推理、決策等運算的突破才能實現,但現在它們之間還存在明顯脫節。一些經典 AI 領域,如計算機視覺、NLP 等還遠未達到智能和實用的地步,有賴進一步研究和努力。與此同時,傳統的社交平臺,如Facebook,還遠沒有真正地將人們連接起來。醫療、金融、音樂、餐飲等眾多系統平臺仍存在巨大的想像空間,要做到這些,需要研究者們跳出傳統視角。

如何跳出傳統視角、挖掘AI全新的潛力,是眾多國內外研究者和一線專家們求而不得的要領。在即將到來的2018全球機器學習技術大會上,Michael I. Jordan將為大家帶來《機器學習前沿發展》的主題演講,深入闡述機器學習領域最新的前沿發展情況及其領導的機器學習團隊的最新研究成果,包括如何在訓練生成式對抗網絡GAN的過程中找到好的鞍點、如何在非凸優化中避免鞍點、可解釋的機器學習、可證明的最優強化學習、多智能體決策、分布式強化學習平臺等熱點前沿話題。相信Michael I. Jordan的這次主題演講,定能給大家帶來關於全球機器學習界最新的發展方向和最前沿研究成果,為眾多AI一線工程師和研究者指點迷津。

除大師Michael I. Jordan之外,本次大會還邀請到30多位國內外機器學習和人工智慧領域的技術領袖和行業應用專家出席,演講嘉賓覆蓋 Facebook, Google, eBay,阿里、騰訊、Uber、Etsy、UCLA、攜程、美團、新浪微博、平安銀行、唯品會金融、Face++、達觀數據等一線網際網路企業的機器學習主管與負責人。來自中美機器學習業界一線的實踐集萃將在大會上熱情綻放。

在頂級大師和業界專家加持的同時,2018全球機器學習技術大會的一大特色是將 「深入AI產業實踐」,聚焦人工智慧在各個垂直行業的實踐應用。例如將AI整合進交通、物流、物聯網、金融和銀行業、醫療、社保、零售業、房地產、旅遊等多個行業,並通過人工智慧如何解決行業內的現實問題及如何通過人工智慧實現創新、降低成本,獲得彎道超車的機會。

這是一場機器學習領域的科技盛宴,是AI工程師們不可錯過的難得機會。為滿足參會者對機器學習和人工智慧前沿成果的期待,解答大家在機器學習實踐中的疑難困惑。【2018全球機器學習技術大會】以主題演講為主幹,配合互動研討,案例分析等多種形式,從技術層面的 AI 模型與算法、AI 架構與工程實踐,到應用層面的數據科學、計算機視覺、智能語言與語音、工具與框架等,全方位探討機器學習領域的前沿理論以及最佳應用案例。

大會主辦方Boolan作為業內著名的高端IT網際網路技術教育平臺,於2017年在北京主辦了第一屆全球機器學習技術大會並大獲成功,獲到華為、騰訊、阿里、eBay、IBM、SAP等眾多參會企業及個人用戶的一致好評。我們有理由相信,在機器學習之父Michael I.Jordan大師及全球眾多資深大咖專家的熱情參與下,2018全球機器學習技術大會將會更加成功。

大會戰略合作媒體:「AI研習社」,是AI學術青年和開發者的求知求職社區,通過與知名高校和產業界標杆企業合作,我們為人工智慧愛好者和從業者提供最新的海外前沿知識、大咖經驗分享、資源信息,助力國內外AI學術青年與開發者交流互助和職業發展。

屬於人工智慧的新紀元已開啟,與頂級大師同行、共展創新願景,推動世界人工智慧交流與進步。【2018全球機器學習技術大會】就等你來!

大會主辦方Boolan作為業內著名的高端IT網際網路技術教育平臺,近年來連續舉辦2018全球產品經理大會、2018全球區塊鏈技術大會、2017全球機器學習技術大會等多場極具行業影響力的高端技術會議,擁有雄厚的國內外專家講師資源,包括C++之父Bjarne Stroustrup,矽谷產品大師,《啟示錄》作者Marty Cagan,Netflix前產品副總裁Gibson Biddle,全球軟體架構大師Martin Abbott等多位國際大師,在IT網際網路領域有極強的行業號召力。

 (雷鋒網雷鋒網雷鋒網(公眾號:雷鋒網))

 

雷鋒網版權文章,未經授權禁止轉載。詳情見轉載須知。

相關焦點

  • 2018.12十大機器學習熱門網文
    本文為 AI研習社編譯的技術博客,原標題 :Machine Learning Top 10 Articles for the Past Month (v.Dec 2018)作者 |  Mybridge翻譯 | 張皞Eli
  • NIPS 2017在美國長灘舉行 機器學習論文哪家強?
    近日,於美國西海岸時間12月4日開始舉辦的機器學習領域頂級會議、第31屆NIPS大會拉開序幕,今年美國計算機四大名校(CMU、MIT、UC伯克利、斯坦福)僅以第一作者所屬機構統計的錄用論文就有92篇,非常強勢。
  • 大咖| GAN之父Ian Goodfellow在Quora:機器學習十問十答
    大數據文摘作品,轉載要求見文末編譯 | Aileen,張禮俊笪潔瓊,錢天培近日,GAN之父Ian Goodfellow在Quora上舉行了一年一度的live問答活動。一個幾乎沒有任何技術背景的人怎麼學習機器學習?Ian Goodfellow:你應該要掌握一些基本的線性代數、概率和python的編程知識!
  • 【BDTC先睹為快】百度沈國龍:BML百度大規模機器學習雲平臺實踐
    為了更好幫助企業深入了解國內外最新大數據技術,掌握更多行業大數據實踐經驗,進一步推進大數據技術創新、行業應用和人才培養,2015年12月10-12日,由中國計算機學會(CCF)主辦,CCF大數據專家委員會承辦,中國科學院計算技術研究所、北京中科天璣科技有限公司與CSDN共同協辦的2015中國大數據技術大會(Big Data Technology Conference
  • 概率機器學習綻放光彩,Uber首席科學家Zoubin獲英國皇家學會獎項
    他曾擔任機器學習領域頂級國際會議 NIPS、ICML 及 AISTATS 的大會主席,也指導過許多公司(從創業公司到微軟研究院)。2013 年,因其在打造自動統計員方面的研究工作,獲得了 75 萬美元的谷歌獎(Google Award)。就其教育經歷而言,Zoubin Ghahramani 在 MIT 腦與認知科學系獲得博士學位,導師為機器學習之父 Michael I.
  • 概率機器學習綻放光彩,Uber首席科學家獲英國皇家學會獎項
    他曾擔任機器學習領域頂級國際會議 NIPS、ICML 及 AISTATS 的大會主席,也指導過許多公司(從創業公司到微軟研究院)。2013 年,因其在打造自動統計員方面的研究工作,獲得了 75 萬美元的谷歌獎(Google Award)。
  • 吳恩達導師Michael I. Jordan剛去清華講了三天課,這有課程筆記
    作者:魏子敏,龍牧雪,朱星宇,唱歌的蔬菜,Jenny被稱為「機器學習之父」的Michael I. Jordan教授上周(9月12-14日)在清華進行了為期三天的校內公開課,面對清華同學分享了他在伯克利AMP Lab和RISE Lab的最新研究成果。
  • 對話美國「機器學習」教父、走進斯坦福等頂級名校,持續四天的全球...
    「在線」成為教育產業新常態,而雲計算、大數據及AI等技術在教育領域的應用也空間的加速起來。這場由教師、課堂、學生到教育產業的決策者們集體掀起的「在線」革命,讓新興技術大展身手。同時,我們也對技術與教育的融合有了不斷的反思、驗證和全新的探索。這也是鈦媒體今年發起的 T-EDGE X 全球科技月人工智慧峰會持續關注的議題。
  • 機器學習:Python中的四種機器學習技巧
    機器學習技術與算法眾所周知,機器學習是技術和算法的結合。但在開始關注技術和算法之前,讓我們看看它們是否是同一個東西。技術是解決問題的一種方法,這是一個非常通用的術語。 但是,當我們說我們有一個算法時,意思是我們有一個輸入,並希望從中得到一定的輸出,明確規定了實現目標的步驟。
  • 最好的Python機器學習庫
    引言毫無疑問,神經網絡和機器學習在過去幾年一直是高科技領域最熱門的話題之一。這一點很容易看出,因為它們解決了很多真正有趣的用例,如語音識別、圖像識別、甚至是樂曲譜寫。因此,在這篇文章,我決定編制一份囊括一些很好的Python機器學習庫的清單,並將其張貼在下面。
  • Michael I. Jordan 撰文:不要被深度學習一葉障目不見泰山
    雷鋒網 AI 科技評論按:正如大家討論人工智慧時經常把它和機器學習甚至深度學習近似等價,工業界和學術界的許多研究、開發人員們也往往過於關注深度學習,忽略了實際上範圍更廣的機器學習和人工智慧領域還有許多有價值的問題等待研究。
  • 如何入門Python與機器學習
    本文引用地址:http://www.eepw.com.cn/article/201710/365207.htm  「機器學習」在最近雖可能不至於到人盡皆知的程度,卻也是非常火熱的詞彙。機器學習是英文單詞「Machine Learning」(簡稱ML)的直譯,從字面上便說明了這門技術是讓機器進行「學習」的技術。
  • 量子機器學習入門科普:解讀量子力學和機器學習的共生關係
    在這篇文章中,計算機科學碩士Reena Shaw將用通俗的語言和形象的比喻帶你入門量子機器學習。△ 本文作者Reena Shaw在2017年的微軟Ignite大會上,微軟CEO Satya Nadella用玉米迷宮的形象比喻解釋了經典計算機和量子計算機之間的差異——為了找到迷宮的出口,經典計算機先開啟一條搜索路徑,遇到障礙物後會沿原路返回。
  • 五大維度揭秘機器學習技術「附下載...
    事實上, 1950 年圖靈在關於圖靈測試的文章中就已提及機器學習的概念。到了 1952 年, IBM 的亞瑟·塞繆爾(Arthur Samuel, 被譽為「機器學習之父」)設計了一款可以學習的西洋跳棋程序。 塞繆爾和這個程序進行多場對弈後發現,隨著時間的推移, 程序的棋藝變得越來越好。 塞繆爾用這個程序推翻了以往「機器無法超越人類,不能像人一樣寫代碼和學習」這一傳統認識。
  • 貝葉斯之父Judea Pearl推薦:機器學習因果推理的7個有用工具
    這種分類形成了三層式的結構,只有當層級 j(j >= i)的信息可用時才能回答層級 i(i = 1,2,3)的問題。最低(第一)層被叫作關聯(Association),它涉及由裸數據定義的純統計關係。大多數機器學習系統運行在這一層上。第二層被叫作幹預(Intervention),不僅涉及到能看到什麼,還涉及你可能採取的行動(幹預措施)有哪些影響。
  • 深度學習和機器學習的線性代數入門
    正確理解機器學習和深度學習的概念,掌握以下這些數學領域至關重要:機器學習和深度學習中的線性代數在機器學習中,很多情況下需要向量化處理,為此,掌握線性代數的知識至關重要。通過線性代數可以處理大量數據,可以這麼說,「線性代數是數據科學的基本數學。」在
  • 2018年,機器學習和人工智慧領域最重要的突破是什麼?
    2018年,人工智慧發展到什麼階段了?Quora鼎鼎有名的大V認為,AI炒作和AI威脅論在今年都降溫,並且不會有AI寒冬,升溫的是各種開源框架,2019年的AI,你認為會是怎樣? 2018年,機器學習和人工智慧領域最重要的突破是什麼? (這裡給你留出充分思考的時間。)
  • 機器學習技術應用於量子力學基礎研究
    原標題:機器學習技術應用於量子力學基礎研究中科大郭光燦院士團隊李傳鋒、許金時等人與合作者最近將機器學習技術應用於研究量子力學基礎問題,首次實驗實現了基於機器學習算法的多重非經典關聯的同時分類。李傳鋒、許金時等人將機器學習技術應用於非經典關聯的區分,通過巧妙的實驗設計,在光學系統中製備出一簇參數可調的兩比特量子態。通過只輸入量子態的部分信息(兩個可觀測量的值),利用機器學習模型對455個量子態的非經典關聯屬性進行學習,成功實現了多重非經典關聯分類器。
  • 貝葉斯網絡之父Judea Pearl力薦、LeCun點讚,這篇長論文全面解讀機器學習中的因果關係
    圖靈獎得主、貝葉斯網絡之父 Judea Pearl 曾自嘲自己是「AI 社區的反叛者」,因為他對人工智慧發展方向的觀點與主流趨勢相反。Pearl 認為,儘管現有的機器學習模型已經取得了巨大的進步,但遺憾的是,所有的模型不過是對數據的精確曲線擬合。從這一點而言,現有的模型只是在上一代的基礎上提升了性能,在基本的思想方面沒有任何進步。那麼,怎樣才能推動 AI 社區解決這一問題呢?
  • Unite Beijing 2018|技術專場部分精彩議題曝光
    離5月11-13日的Unite Beijing 2018的開幕僅剩一個半月了,屆時來自全球的Unity技術達人,行業精英和全球合作夥伴將為你帶來史無前例的80餘場技術演講,內容涵蓋Unity跨平臺內容開發經驗,標杆級行業應用和Made with Unity經典案例分享等。今天我們就為大家搶先曝光部分技術專場的精彩議題內容。