人工智能时代，这些技术必须学！

亲们，今天程序人生的小编请假啦！所以我代班一天，趁机发点我想法的内容，哈哈。

不是广告，不是广告，不是广告。是关于人工智能时代浪潮已来，给大家讲讲程序员需要做些什么，学些什么哈！ 话题开始前，请先看下以下内容：

人工智能已经进入了全球爆发的前夜。个性化信息推送、人脸识别、语音操控等人工智能技术，已“入侵”日常生活的细枝末节。那人工智能有多火？平均每10.9个小时诞生一家AI企业。而众多一线公司已经在布局机器学习团队，优化智能产品，在这样的背景下，不难想象，未来机器学习技术将会是技术人的新门槛和领域。

而在各大社交平台上，也有诸多类似：普通程序员，如何转向人工智能方向的话题在蔓延。除去系统学习和广泛学习外，在这里给大家推荐一个在线直播峰会。

往下看，提前预知涉及的技术！

直播信息

直播主题：人工智能核心技术的应用与实战

直播平台：CSDN学院

直播时间：5.13号，程序员不可错过！  

这场直播涉及哪些技术？

阿里巴巴、思必驰、第四范式、一点资讯、58集团、PercepIn等在人工智能领域技术领先公司的核心研发成员，在人脸识别、卷积神经网络、大规模分布式机器学习系统搭建、推荐系统、自然语言处理及SLAM在机器人领域应用等话题分享他们的心得和经验。

听这场会，如何与讲师沟通？

而且为每位讲师演讲时段都安排了答疑环节，鼓励报名的同学与讲师交流切磋。在线直播，线上互动答疑，你来不来？下面还有技术微信群！

架构讲师&议题介绍

张哲 PerceptIn联合创始人& CEO

演讲主题：如何给机器人眼睛和大脑：SLAM的实践与应用

主题简介：SLAM技术随着最近几年机器人、VR、AR的火爆而为人所知，在传感器、算法、软件、硬件等方向都有不同的进展。本次演讲简要解释了SLAM的定义和分类，具体分析了当前VR、AR、机器人等各种应用需要什么类别的SLAM，探讨了在实际应用中实现SLAM的一些工程细节，并展望了SLAM在大AI浪潮中刚刚开始的未来。

听众受益：听众不但能够了解SLAM的基本理论，而且能够了解到在实际应用中实现SLAM的工程细节和具体落地过程，更能够从机器人眼睛和大脑这个角度探索并思考大AI浪潮下的个人职业发展和公司产品开发。

胡小博 一点资讯高级算法架构师

演讲主题：使用深度学习技术打造新一代内容推荐系统

主题简介：主要介绍一点资讯在内容推荐系统中引入深度学习模型的一些探索，及其应用方向，如ctr预估、基于用户的协同过滤、相关性控制、相关新闻、新闻推送等。

听众受益：

1、用户和文章的向量化表示；

2、向量的分布式训练、在线更新；

3、向量化表示的应用。

汪彪 阿里巴巴 iDST，算法专家

演讲主题：人脸识别技术发展及实用方案设计

主题简介：主要介绍人脸识别技术的发展与近况，尤其侧重深度学习技术在人脸检测、识别等方向的应用，并从实用人脸识别系统设计中的训练样本筛选，检测跟踪，人脸对齐以及快速识别算法等技术进行分享。

听众受益：

1.人脸识别技术的发展与近况；

2.深度学习在人脸识别中的实践；

3.实用人脸识别系统的方案设计。

钱彦旻 上海交通大学副教授、思必驰上海交大联合实验室副主任

演讲主题：深度卷积神经网络及其在语音中的基本用法

主题简介：在神经网络发展过程中，卷积神经网络一直扮演着重要的角色。特别在深度学习出来以后，深度卷积神经网络因为它特殊的一些特性，在图像及计算机视觉领域被广为使用。近年来，它在语音的相关应用中也越来越得到重视。本次分享将对深度卷积神经网络的原理、结构、操作、特性等进行详细介绍，并在此基础上简单介绍它在语音中的相关应用及和其他深度模型的性能对比。

听众受益：

1. 深度卷积神经网络的基本结构及操作；

2. 深度卷积神经网络的一些特性及变种；

3. 深度卷积神经网络在语音中的基本用法。

涂威威 第四范式数据智能部机器学习算法研发工程师

演讲主题：大规模分布式机器学习系统设计和实践经验

主题简介：简单介绍工业界大规模分布式机器学习系统，主要介绍机器学习计算框架设计的核心目标，并分享第四范式大规模分布式机器学习计算框架设计经验，最后，简单分享机器学习系统在实际应用中需要注意的常见问题。

听众受益：

1、工业界大规模分布式机器学习整体系统介绍；

2、大规模分布式机器学习计算框架设计经验；

3、实际应用机器学习系统的注意点。

张相於 58集团算法架构师

演讲主题：自然语言处理技术在推荐系统中的应用

主题简介：文本数据是推荐系统中常见的数据，具有数量大，无结构，歧义多等特点，如何有效利用这些信息来提升推荐系统的整体效果是一个很重要的命题。本次分享将从简单的词袋模型入手，沿着结构化、概率化、生成式、 时序化的思路，分别介绍词袋模型、隐语义模型以及神经网络模型等多种文本模型，讲解这些模型如何在推荐系统中落地使用，以及需要注意的问题。希望听众能够对推荐系统中的文本处理技术有一个系统化、结构化的了解。

听众受益：

1. 掌握词袋模型的应用方法；

2. 了解文本主题模型的思维脉络和模型原理，掌握常用的使用方法；

3. 理解神经网络语言模型与文本主题模型的异同点，能解决什么问题，以及使用时的注意点；

4. 系统性掌握文本数据处理的原理和脉络，以及在推荐系统中的落地方法。

报名方式

微信交流群（群满到报名页查看最新）

我是代班小编，不要取关我~