人工智能在现代人类生活中近乎无处不在,机器学习作为其重要的实现手段也逐渐成为了技术圈炙手可热的话题。随着机器学习在业务场景中的实际应用日趋广泛,也带来了一些不可避免的挑战。在解决复杂问题时,增加的巨大计算量,复杂的结构和大数据成为最直接的难题。那么,如何让神经网络聪明起来、快起来则成为了我们首先要解决的困难之一。
为此,戴尔科技集团中国研究院与VMware创新网络联合主办《前沿“机器学习加速”网络研讨会》,并特邀中国计算机学会上海分部作为支持单位参与本次活动,带您全方位、多角度了解机器学习加速。
欢迎大家查阅下图获取网络研讨会课程信息,并报名参会!
活动安排
首期活动将于
5月15日(周五)
下午14:00开始
主题为《机器学习流程管理与自动化》
活动讲师
李三平
戴尔科技集团中国研究院高级主管科学家,美国麻省大学计算机工程专业博士。跨多个领域的科研与工作经历,包括机器学习、遥感影像、Web应用开发、Web平面设计、硬件设计验证等,目前从事机器学习、深度学习的技术研发、创新与应用。在国际学报类期刊、IEEE Transactions及国际会议发表20多篇论文,申请美国专利40余项,中文译著三本。
聂雨虹
戴尔科技集团中国研究院资深软件工程师,毕业于武汉大学计算机科学专业,曾就职于三星通信研究院、惠普,主要关注与工作领域为大数据与分布式。
课程概要
机器学习在业务场景中的实际应用愈加广泛,同时也不可避免地遇到诸多挑战。例如缺乏成熟的机器学习工作流管理和自动化工具,尤其在解决某个业务领域中的多个问题时,导致机器学习生命周期中的大量重复迭代。我们基于对机器学习生命周期各个阶段的细粒度追踪,构建机器学习工作流的知识库,进而实现不同业务问题之间的知识迁移,最终达成特定场景中业务问题与机器学习洞察之间的解决方案自动化。
▽
欢迎大家扫描下方二维码加入活动交流群
第一时间获取活动通知!
相关内容推荐:专家授课︱如何亲自动手搭建一个大数据分析模型
好文章,需要你的鼓励
麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源:注意力机制存在固有缺陷。研究通过理论分析和实验证明,即使在理想条件下,注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点,为未来AI架构发展指明新方向,提醒用户在复杂推理任务中谨慎使用AI工具。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
中科院自动化所等机构联合发布MM-RLHF研究,构建了史上最大的多模态AI对齐数据集,包含12万个精细人工标注样本。研究提出批评式奖励模型和动态奖励缩放算法,显著提升多模态AI的安全性和对话能力,为构建真正符合人类价值观的AI系统提供了突破性解决方案。