个人介绍

爱奇艺后端开发工程师，多年 Python 使用经验，专注于 Python Web 开发，熟练 Flask 相关技术栈，多个开源项目的贡献者，PyCon China 2018 讲师。

演讲议题

从零到一实现一个 Web Framework

什么是 Web Framework？Flask 和 Django 有什么区别？Web 服务器和 Web 框架是如何通讯的？WSGI 是什么？Flask 框架底层是如何实现的？本次分享将带领大家从零开始实现一个 Web 框架，深入剖析 Python Web 开发的底层运行方式，从而揭开 Python Web 框架的神秘面纱。此外，还将分享一些参与开源项目的经验，让你从一个框架的使用者变成框架的开发者。

个人介绍

《机器学习—Python 实践》与《深度学习—基于Keras的Python实践》作者，世界500强企业的数据分析团队Leader，主要负责银行客户的复杂系统开发，在Python的Web开发、数据分析、机器学习与深度学习方面有多年的实践经验。

演讲议题

Python在金融领域的应用——信用评分卡

《世界经济论坛》(WORLD ECONOMIC FORUM)对2020技术发展预测中提到，认知系统是今后发展的主要方向之一， 到2020年人们将会通过智能系统获取60%的信息。也就是说我们使用的大部分进算计系统都会引入人工智能的成分。这里将会通过金融领域的一个应用——信用评分卡，来和大家实践一下通过Python机器学习来解决实际的问题。 • 2020年技术发展趋势 • 数据科学家必备技能 • 机器学习 - 信用评分卡 • 信用评分卡简介 • 信用评分卡的应用场景及注意点 • 项目流程 • 信用评分卡常用算法模型及评估方法 • 信用评分卡Python实现 • 数据预处理 • 探索性分析 • 特征选择 • 模型分析 • 信用评分

个人介绍

阿里巴巴技术专家，Python爱好者。致力于将Pyhton生态和大数据计算进行结合，编写并开源了Mars框架。Mars是一个基于张量的超大规模的统一计算框架，支持使用NumPy的接口，对超大、多维数据进行计算。目前，正在尝试使框架兼容Pandas DataFrame，以支持表类型数据计算。

演讲议题

用Mars来并行和分布式执行NumPy

个人介绍

英伟达（NVIDIA）资深深度学习架构工程师，负责基于CUDA的深度学习框架的优化。目前主要使用的技术栈是作为深度学习框架后端的C/C++/CUDA，以及深度学习框架前端的Python，对主流的深度学习框架如PyTorch和TensorFlow比较熟悉，并对其在计算机视觉（CV）和自然语言处理（NLP）方面的具体应用有一定了解。

演讲议题

PyTorch自然语言处理实战

PyTorch作为一个基于动态图的深度学习框架，由于易于上手和运行效率高的特点得到了学术界和工业界广泛应用。而作为深度学习的一个重要研究方向，自然语言处理也得到了大家的广泛关注。本演讲主要的主要内容包括通过构建一个基于注意力机制的seq2seq模型，演示如何使用PyTorch来完成自然语言处理的数据预处理，深度学习模型的搭建以及部署。其主要内容包含如下： （1） 使用torchtext进行文本的预处理 （2） 使用PyTorch的循环神经网络模块搭建和测试深度学习模型 （3） 使用GPU对模型进行训练 （4） 使用onnx/c++部署模型

个人介绍

前Webtrekk中国区技术和咨询负责人，前国美在线数据分析经理， 资深数据分析领域专家，在电子商务、零售、银行、保险等多个行业拥有丰富的数据项目工作经验，参与过企业级项目包括流量数据仓库建设、DMP、网站流量系统建设、企业BI、RTB和DSP、决策支持平台、站内个性化推荐、站外个性化营销等大型数据工作项目。

演讲议题

Python在Google BigQuery Machine Learning中的应用

Google Analytics是世界范围内网站数据采集跟踪和分析的标杆产品，Google Adwords又是全球领域搜索广告的霸主，由于同处于google系，Google Analytics与Google Adwords广告投放可以非常容易的结合起来，形成自动化、智能化的广告投放。 Google Analytics 360是谷歌分析的付费产品，其中包含了一个名为Big Query的云服务，用来存储Google Analytics、Firebase（谷歌移动应用采集数据）、Adwords数据以及任意客户上传数据或从其他服务器导入的数据。在BigQuery中，内置了Machine Learning的功能，可实现通过写SQL的方式实现建模过程。基于Google云服务提供的Python API，可实现针对BigQuery中的用户行为、广告和自定义数据建模，然后将建模结果导入Google Analytics中并建立细分群体，再在Adwords中通过广告活动定位到Google Analytics中的细分群体来实现精准广告的投放。整个过程用到了Google多个云服务产品及其API，以及更重要的如何将数据采集、算法建模、结果部署和营销应用自动连接起来，真正的实现（采集）端到（应用）端的智能数据应用。

个人介绍

中国科学院数学与系统科学研究院数学研究所博士，毕业后从事人工智能算法尤其是计算机视觉算法的相关研究，直接针对业务需求实现相关算法解决业务痛点，接触的业务主要包括各类发票和证件的检测、识别以及信息提取，训练出来的通用识别模型达到业界领先水平，使用在平安科技的各项需要文字识别的业务场景中。目前完成的项目中，使用的主要语言就是Python。

演讲议题

基于MXNet的图像检测开发案例

计算机视觉在金融行业中有着广泛的应用，作为中国平安的科技子公司，平安科技能够接触到有关发票、证件、保单的大量检测识别需求，大部分需求利用现有深度学习框架(如MXNet、tensorflow、caffe等)的Python接口都能够实现解决。本次演讲以我们在产险项目中遇到的一个证件检测的简单需求为例子，讲述需求分析、数据准备、数据处理、模型搭建、模型训练、模型测试的完整过程。

个人介绍

目前在博世负责工厂智能化建设的数据算法与大数据平台。曾就职于希捷科技从事数据分析，覆盖来料管理、生产质量、可靠性测试、客户现场领域的数据整合与挖掘分析，负责智能工厂的算法设计与整合。

演讲议题

数据分析及大数据在制造业的应用

数据分析挖掘与工业大数据是智能制造与工业互联网的核心，其本质是通过促进数据的自动流动与智能决策去解决控制和业务问题，有效减少决策过程所带来的不确定性，并尽量克服人工决策的缺点，从而推动智能制造进程与智能工厂的建设，帮助制造企业保持竞争力。本演讲主要将涵盖数据分析和大数据技术的基本概念、方法及工具，并介绍大数据分析技术在制造领域的典型应用案例。其主要内容包括： 1. 数据分析的基本概念、工具及技术 2. 工业大数据的范畴、典型特征及发展现状 3. 应用场景和应用热点 4. 典型应用案例，包括自动诊断、预测性维修、全自动生产线等 5. 数据分析项目的实施

个人介绍

目前在天云大数据负责AI平台、特征工程平台的研发。目前主要使用的技术栈是spark框架后端的Scala/Java/Python语言, 资深数据分析领域专家，在银行、保险、石油等多个行业拥有丰富的数据项目工作经验。

演讲议题

Spark with Python应用

个人介绍

阿里巴巴技术专家，多年Python使用者；曾担任优酷旗下土豆无线团队的后端技术负责人，友盟微社区架构师等，在高并发服务的稳定性、性能优化方面有比较丰富的经验，目前就职于云计算数据库团队，致力于微服务体系的演进，使用语言不限于Python/Golang/Java等。

演讲议题

高并发场景下的Python性能挑战

Python因其简洁而又全面的特性深得广大开发者的喜爱，很多团队都愿意选择其作为工程首选；Python又因为其性能问题也遭到不少诟病。鱼与熊掌不可兼得，在享受到Python开发便利的同时，随着工程量的野蛮增长，代码平均运行次数的提升，如何提高性能成了一些团队首要面对的问题。本次分享针对海量访问高并发的应用场景，对如何做服务模型选型，如何定位系统的性能瓶颈，以及如何去优化给出一些实践结果和方法讨论。

个人介绍

07年毕业于华中科技大学，曾就职于Oracle亚洲研发中心。10年开始陆续参与多个创业项目，涉及游戏，电商，IM，区块链等。目前在GeeCode Team 致力于GeeCode智能编辑器的研发工作。

演讲议题

Python代码智能推荐和语义搜索的应用

近些年，人工智能逐渐深入应用到我们生活中的各个领域。GeeCode团队致力于将人工智能技术应用到程序开发中，为Python程序员提供智能高效的编程助手。本次演讲中我们将介绍如何进行编程目标的推断，并推荐相似的完整代码；结合NLP和Python代码片段进行自然语言的代码搜索。

培训议题

Python数据分析与大数据应用

培训大纲

数据的分析与挖掘能力已成为企业保持竞争力的必要条件，Python无疑在数据分析挖掘中扮演着无可替代的角色，也是数据科学家的首选工具之一。这里将会介绍数据分析的基本过程，并如何使用Python完成数据的抽取、转换、特征提取、建模预测所需的技术与原理,实际操练具体的案例，目标是能够使参训人员了解数据分析，能够完成基本的数据分析任务。另外，随着大数据的兴起，Python在大数据领域扮演了至关重要的角色，本培训还将介绍Python在Hadoop生态中的应用，特别是利用Spark进行基本的数据挖掘任务。

（1） 简单介绍数据分析的基本概念

（2） 数据挖掘的基本过程

（3） 数据挖掘的主要手段

（4） 数据探索、数据预处理、与挖掘建模

（5） 案例与演练

（6） 大数据的基本概念

（7） Hadoop基本介绍

（8） Spark与Pyspark基本介绍

（9） 大数据案例

适合人群：适合对数据挖掘和大数据有兴趣的学生和初级技术人员

难易程度：中等

需要提前掌握的知识点：Python基本语法，数据分析基本概念等。

提前需要安装的环境：提前装好Anaconda Python3, VM VirtualBox

现场硬件的要求：建议至少8GB ROM + 4Core CPU。

培训议题

使用PyTorch搭建Transfomer深度学习模型

培训大纲

由Google开发的Transformer是很多其他深度学习模型的基础，比如NMT，GPT和BERT等等。这里将会介绍如何使用PyTorch来搭建Transformer模型，并使用该模型实现机器翻译和阅读理解等任务。主要培训内容如下：

（1） 简单介绍自然语言处理的基本概念

（2） 演示如何在PyTorch中使用词嵌入来表示自然语言文本

（3） 演示如何在PyTorch中构建Transformer模型

（4） 使用Transformer模型进行机器翻译任务

（5） 使用Transformer模型构造BERT模型，并实现阅读理解任务

适合人群：适合对自然语言处理和深度学习有兴趣的学生和初级技术人员

难易程度：中等

需要提前掌握的知识点：自然语言处理的基本概念，如分词（tokenization），词嵌入（embedding），注意力机制（attention mechanism）等等。

提前需要安装的环境：Ubuntu 16.04 or 18.04 + PyTorch 1.0

现场硬件的要求：最好能有支持CUDA的NVIDIA显卡，可以演示如何在GPU上运行深度学习模型（如果没有也没关系）。