「AI应用技术大师课」栏目，一线大厂的专家通过直播的方式，全面解析AI应用技术实践。课程采用“专家分享+互动问答+群内讨论”的方式，多元化学习帮助AI学习者快速进阶。此外，更有多场不同主题的AI线上峰会倾情推出，场场干货，精彩内容不可错过。
简介：数字化、新能源、新技术发展规律与前言；B 端 C 端需求侧的长期结构和原则以及新机会；奇绩创坛的技术投资逻辑；早期创业者最核心的两件事。
陆奇
6月16日
简介：李宏毅（（Hung-yi Lee）目前任台湾大学电机工程学系和电机资讯学院的助理教授，他曾于2012年获得台湾大学博士学位，并于2013年赴麻省理工学院（MIT）计算机科学和人工智能实验室做访问学者。他的研究方向主要是语义理解、语音识别、机器学习和深度学习）老师的机器学习课程以机器学习和深度学习的基础知识为主，包含了AI领域的各种最新知识和技术点。课程深入简出，通俗易懂，颇受欢迎，非常适合对AI感兴趣的学习者。本课程已经获得李宏毅老师授权。
李宏毅
6月4日
简介：开发第一个基于AutoML的量化投资决策应用 如何从浩如烟海的螺纹钢历史交易数据中找寻规律，利用多个AI模型组合设计一个获取未来15，30，45分钟涨跌信号量的策略应用 实战平台：DarwinML（名额限定）
钱广锐（主讲）、支援
6月16日
简介：使用传感器数据的应用开发需要机器学习，信号处理，数据处理及优化，以及嵌入式工程相关的专业技术。而具备这些技术的人才，不管是对于大公司还是小公司来说，都很难找到而且价格昂贵。Qeexo AutoML平台在非常直观而且易于使用的工具中嵌入所有这些技术，并自动开发出针对目标嵌入式平台的轻量级、高速以及高性能的机器学习模型。只需要输入有标签的原始传感器数据，平台就会将它处理成适合机器学习的数据，并自动进行特征提取，超参数优化，以及执行机器学习模型的构建算法，然后针对目标嵌入式MCU创建机器学习库。这个被创建的模型具有代码精简，处理速度快，功耗低的优点。
翟伟（Qeexo中国区市场负责人）
简介：Kubernetes脱胎于Google的Borg系统，是个功能强大的容器编排系统。目前已成为开发者、运维人员中最流行的开发工具。Kubernetes可以处理几乎任何类型的容器负载，Kubernetes的作用可以贯穿整个应用开发的生命周期。了解Kubernetes可以将帮助你更深入地理解软件的基础设施的运作。 在本次课程中刘俊辉将从Kubernetes的主要组成部分和主要资源类型出发，简要讲解Kubernetes的基本技术原理。同时全面分析POD、Deployment、Service等主要组成资源，并且结合案例展现其基本应用方法。此外，刘俊辉还会分析京东智联云的Kubernetes集群服务。
刘俊辉（京东云与AI云产品研发部专家架构师）
简介：自被Linux提出以来，容器已发展成为云平台上不可或缺的技术，作为云原生中最基础的计算单元，其标准化、轻量级、易移植、安全等特点正在受到越来越多的企业欢迎。在本次课程中，刘俊辉老师将从容器的基本构成出发，深入浅出地勾勒出容器技术的基本情况，包括容器的结构、基本使用方式等。在此基础上，引出Docker这一重要概念。此外，刘俊辉还会着重讲解POD，了解POD的构成和基本应用可以帮助你对容器有更深入的理解。为了让开发者可以对这些概念有更深的认识，在课程中刘俊辉还加入了案例分析的内容。最后，还会分享京东智联云在原生容器方面的实践，确保开发者能够快速上手。
刘俊辉（京东云与AI云产品研发部专家架构师）
简介：计算机是如何识别人脸的？智能机器人是怎样思考的？搜索引擎是如何工作的？人工智能数学基础系列公开课通过人工智能热点问题开始，引出其中蕴涵的数学原理，然后构建解决实际问题的数学模型和方法，兼具趣味性与实用性，引导大家主动运用数学工具思考与解决实践中遇到的问题，为人工智能学习之路夯实数学基础。 本次公开课特邀从事计算机视觉研究与一线教学20余年的哈工大屈教授，通过计算机视觉领域的实际应用案例引入人工智能常用的数学基础知识，其中包含的公式、定理来自不同的数学分支，也体现了人工智能的各种思想，怎样更好的理解这些公式，既不陷入纯数学推导的细节，又能为人工智能后续的学习提供支撑，屈教授将为大家解惑。
屈桢深（哈尔滨工业大学副教授）
简介：机器学习模型从训练导出到生成环境部署，这个过程中涉及大量工作，会面临着各种问题与挑战，比如不断丰富的业务场景，系统需要负载种类繁多的神经网络，预测任务不均匀等，然而企业拥有的计算资源（如GPU个数）是有限的，如何能在有限资源下顺利完成任务，是一个不小的挑战。 同时，医疗AI场景有着其独特的生产环境，本期课程推想科技将分享工程实践中如何解决上述挑战的，并与大家探讨如何从零开始，分析与抽象问题，设计架构，并开发出一个支持任意计算资源限定、任意机器学习框架、任意计算场景的模型预测的解决方案。
韩旭（推想科技上海研发中心负责人）
简介：微软小冰第六代发布会上正式宣布上线全新的共感模型，同时也开始公测一种融合了文本、全双工语音与实时视觉的新感官。这项新技术可以实时预测人类即将说出的内容，实时生成回应，并控制对话节奏，从而使长程语音交互成为可能。而采用该技术的智能硬件设备不需要用户在每轮交互时都说出唤醒词，仅需一次唤醒，就可以轻松实现连续对话，使人与机器的对话更像人与人的自然交流。 本期课程，微软小冰全球首席架构师及研发总监周力博士将介绍微软小冰在全双工语音对话方面的最新成果，及其在智能硬件上的应用和未来将面临的更多技术产品挑战。
周力（微软小冰全球首席架构师及研发总监）
简介：机器学习在计算广告、推荐系统、金融应用、计算机视觉、自然语言处理、生物信息学等诸多领域取得了很多成功。在几乎所有这些成功的机器学习应用中，机器学习专家在机器学习的各个阶段扮演了非常重要的角色，这些阶段包括：将现实世界问题转换为机器学习问题、收集数据、数据预处理、特征工程、选择或设计算法、调整算法超参数、评估模型性能、在线部署机器学习系统等，这些任务的复杂性超出了非机器学习专家的能力范围。 AutoML旨在研究没有专业知识的情况下，使用低门槛甚至零门槛的机器学习算法，该技术能够让AI摆脱对机器学习专家的依赖，正在成为AI赋能行业的重要方式。
涂威威（第四范式资深算法科学家）
简介：本课程将会讲解发表在计算机视觉顶级会议上的ICCV 2017和CVPR2018交错组卷积的方法，优于ResNets和谷歌的Mobilenets。交错组卷积包括几个互相互补的组卷积，可以解释为结构化的稀疏矩阵的乘积。在相同参数量相同计算量的条件下，会得到比标准卷积和Mobilenet更宽的网络，所以结果会更好。两篇论文可以从https://arxiv.org/abs/1707.02725 和 https://arxiv.org/abs/1804.06202 下载。相应的代码：https://github.com/welleast。
王井东（微软资深研究员）
一线大牛
技术干货
直播+答疑+课件
理论+工业实践
社群实时讨论
企业内训
全方位触及人工智能时代，连接AI技术的创造者和使用者。
申请讲师：zhouxiang@csdn.net
投稿：suiling@csdn.net
反馈：1092722531（微信）
合作：1092722531（微信）
公开课
