您查看的活动已结束

  随着人工智能和大数据的兴起，深度学习技术的发展发挥着着巨大地推动作用，引领各个领域都纷纷从传统方法到深度学习方法的转变，以期待提升现有产品的智能化，以及研发新一代人工智能产品。

  如我们所知，深度学习最先在语音识别和图像处理领域取得了突破性进展。近几年，360搜索将深度学习技术应用于文本分析、语义匹配、搜索引擎排序模型等商业化应用，同时与学术界紧密合作，将在本次技术论坛与大家分享和交流最新的成果和进展。

-------------------------------------------

主讲师：

《深度学习遇上大数据》

   李远策，360系统部 技术经理  先后参与公司 Hadoop、Spark、深度学习等平台的建设，目前主要关注 大数据索引、大数据+深度学习等领域。    

   TensorFlow 的开源大幅降低了深度学习的门槛并极大推动了深度学习在众多公司的落地。但是，建设深度学习平台更多还需要关注多租户管理、资源隔离、作业管理等。除此之外，在大数据时代训练数据大多存储在以 HDFS 为代表的分布式储存系统中。基于以上考虑，我们设计了 TensorFlow on Yarn，实现了深度学习与大数据平台的整合。

《基于深度学习的知识库问答研究进展》

   何世柱，中科院自动化所研究员  研究方向为自然语言处理、机器学习、知识工程和问答系统。

   随着搜索引擎的飞速发展，将互联网文本内容结构化有着重要的意义，通过抽取有用的实体、概念和它们之间的关系，进而构建大规模知识图谱，为知识问答等知识服务提供了有效的知识资源。然而，如何以自然语言方式访问这些结构化的知识图谱资源，构建对用户友好的深度问答系统是摆在众多研究者和开发者前的一个重要问题。本报告将主要介绍以知识库问答为代表的深度问答中的主流方法，不仅包括对自然问题的解析模型，还会介绍对自然答案的生成模型，重点介绍深度学习在其中的应用策略与方法，并对其中存在的问题和趋势进行分析和展望。

  《深度学习在搜索中的应用》

   陈进平，360搜索技术经理， 2008年毕业于北京航空航天大学，硕士学位。 先后在百度，有道等公司任职， 长期从事搜索引擎ranking方面的工作。

   深度学习是最热的机器学习方法， 在图片，语音等感知领域已经处于领导地位，在自然语言处理领域也不断攻城掠地。搜索作为以自然语言呈现的最主要的应用，对自然语言理解以及语义匹配都有着非常高的要求。在360搜索，我们大规模地应用深度学习来解决这些问题，语义匹配已经成为360搜索rank最重要的特征。 本次讲座中，我们会分享360搜索在深度学习方面的工作以及最新进展，尤其是应用方面的经验，包括基于已有的模型，我们怎么从业务里抽象出一个任务，并且围绕任务，模型来组织数据，计算能力 ，以及对模型进行调优等方面的经验。

 《深度学习技术在文本匹配上的应用》

   孙林，360人工智能研究院 技术经理  主要研究方向在信息抽取、问答、对话系统、深度学习等方向。

   主要介绍一下目前深度学习技术在文本匹配上的进展，并分享在实际业务场景中的应用。

时间安排：

现场抽奖活动将有大量360智能硬件， 技术图书等送出！

同时也欢迎大家扫码进群和关注技术论坛微信公众号，可了解更多新鲜咨询，期待大家的加入：