查看原文
其他

AutoML未来可期,工程师的明天何去何从?

BDTC 2019 AI科技大本营 2019-11-27
 
人工智能和机器学习建模专业技术人才紧缺,即使是高水平的人工智能专家,在大数据智能分析机器学习建模时,主要依靠人工经验,建模过程费时费力,缺少有效方法。为了解决这一突出问题,国内外出现了一种用机器学习解决人工智能自动化建模(Learning for Learning,或者简称AutoML)的新的研究领域。
 
自Google首次提出AutoML至今,这两年的发展可以说非常迅速,已成为人工智能领域的一大研究热点。包括Google在内的国内外知名企业以及一些开源社区,纷纷推出了各种有效的AutoML技术及工具。此前,AI科技大本营(ID:rgznai100)也报道、分享过很多关于 AutoML技术与学习的内容,如《AI调参师会被取代吗?对话AutoML初创公司探智立方》《回顾与展望:大热的AutoML究竟是什么? | 技术头条》《非常全面的AutoML资源,看这个就够了!《AutoML很火,过度吹捧的结果?等。
 
AutoML正火,工程师究竟要如何学习与掌握这一领域,才能跟上技术发展的脚步,在工程师大军中脱颖而出?AutoML的今天是过度吹捧的结果吗?工程师的明天与AutoML的明天有多大冲突?
 
无论你们对它是充满好奇还是有很多疑问,这次我们都为你们回答的明明白白。12 月 5 日-7 日,在北京长城饭店举办的2019 中国大数据技术大会(BDTC 2019)专门设立了AutoML 大数据自动化机器学习技术与系统论坛,论坛将邀请国内学术界和企业界在AutoML领域领先的研究开发者,对AutoML技术、系统工具以及应用进行探讨。
 

论坛主席

 
  • 黄宜华,南京大学大数据技术研究中心主任、PASA大数据实验室教授、博导

 

个人简介:黄宜华,南京大学计算机科学与技术系PASA大数据实验室教授、博士生导师。中国计算机学会大数据专委会常务委员、副秘书长,江苏省计算机学会大数据专委会主任。主要研究方向为大数据处理、大数据机器学习、文本语义分析。早自2009年进入大数据技术研究领域,在大数据存储、计算、智能分析技术与应用方面,开展了一系列研究,在TPDS、ICDE、WWW、IPDPS、JPDC、PC等国际学术期刊与会议上发表大数据相关研究论文40多篇,出版大数据书籍2部。主持国家和省部级科研项目多项,并开展了与Google、Intel、微软、华为、百度、今日头条、360、中兴通讯等国内外知名企业、以及与Spark、Alluxio等国际著名大数据开源社区的诸多合作研究。


论坛嘉宾


 
  • 嘉宾 1:罗远飞,第四范式资深研究员

  • 演讲议题:自动特征工程在大规模稀疏数据上的应用研究


  • 个人简介:罗远飞,第四范式资深研究员。任职期间,负责研发了多个自动机器学习算法并产品化,显著提升了自动机器学习在实际业务中的效果;多次获得国内外比赛第一名,是国内首届迁移学习算法大赛冠军;曾在KDD/ACL/EMNLP上发表文章,并申请十几项国内外专利。



  • 嘉宾 2:朱光辉,江苏鸿程大数据研究院副总经理,南京大学PASA大数据实验室博士

  • 演讲议题:自动化机器学习AutoML技术研究进展


  • 个人简介:朱光辉,江苏鸿程大数据研究院副总经理,南京大学PASA大数据实验室博士研究生。研究方向为大数据并行计算、自动化机器学习。已在TPDS、ICDE、JPDC、PARCO、ICPADS、计算机学报等国内外著名学术期刊和会议上发表论文多篇,并承担多项国家级大数据研发项目。从2017年初开始从事AutoML技术的探索和研究,连续三次在国际著名AutoML挑战赛中(PAKDD 2018 AutoML、NeurIPS 2018 AutoML、 KDD Cup 2019 AutoMLZ)以优异成绩获奖。所研发的AutoML算法和系统已成功应用于华为、360等国内知名IT企业,并在第五届中国“互联网+”大学生创新创业大赛获得金奖。

  

  • 议题简介:“AI赋能行业”的应用模式在未来将迎来高速成长。但是,人工智能的普及和应用面临技术门槛高、专业人才严重短缺、大量依赖专家经验、建模周期长等瓶颈和制约。为了解决上述问题和挑战,近年来国内外出现了自动化机器学习(AutoML)研究领域,即用机器去自动化地完成算法模型选择和参数调优,从而大量节省人力成本,降低人工智能使用门槛,大幅提高建模效率。本报告将介绍AutoML近几年来的研究现状与技术层面,包括自动化超参调优、自动化机器学习流水线设计及模型选择、自动化特征工程、自动化神经网络架构搜索,以及学术界在各个技术层面的最新研究进展。同时,本次报告也将重点介绍南京大学PASA大数据实验室在AutoML算法和系统方面的最新进展和成果。


 

  • 嘉宾 3:王健宗,平安科技副总工程师、联邦学习技术部总经理、深圳市地方级领军人才

  • 演讲议题:AI赋能AI:从0到1搭建自动化深度学习平台


  • 个人简介:王健宗,博士,留美人工智能博士后。平安科技副总工程师、联邦学习技术部总经理、深圳市地方级领军人才,拥有十多年的大数据、云计算和人工智能的研发经验,专注于人工智能在银行、保险、投资、医疗和智慧城市行业的落地,精通AutoML平台的架构和实现,并著有《深入理解AutoML和AutoDL:构建自动化机器学习与深度学习平台》。在计算机领域拥有发明专利200余项,发表国际论文50余篇,荣获CCF科学技术奖,2019年度十佳新锐程序员。

 
  • 议题简介:满怀AI创意奈何无从下手,难得有亮点项目却苦于AI开发周期长、成本高、过程重复又繁琐?自动化机器学习(AutuoML)平台的出现将大幅度地降低AI开发门槛,缩短AI开发周期,为个人用户和传统企业带来福音。本主题从算法、框架、平台三个层面描述如何从0到1搭建一个自动化深度学习平台。重点讲解了神经架构搜索(NAS)、元学习、基于微服务的AI流程自动化、面向AutoML的分布式并行框架,实现AI赋能AI!

 

  • 嘉宾 4:吕慧,天云融创数据科技(北京)有限公司-数据科学部门-经理

  • 演讲议题:保险重疾率模型的自动化建模落地实践


  • 个人简介:吕慧,天云大数据首席数据科学家,中国传媒大学通信与信息系统博士。在大数据挖掘,AI建模方面有很丰富的项目经验。负责公司AI系列产品平台的规划开发及AI场景项目落地实施工作。带领团队在银行风控领域,保险大数据领域,能源领域、证券资管领域等多个领域进行了AI模型的场景化落地实践工作。

  

  • 议题简介:传统经验分析的重疾模型只考虑性别、年龄、保单年度等简单信息,导致同性别同年龄的被保人均为同一重疾发生率,无法涵盖被保险人的状态变化而对未来重疾率产生的影响。区别于传统经验分析法,我们使用精细而即时的大数据信息构建预测模型,实践了流程自动化的多维度预测被保险人未来重疾率的模型。通过对传统数据的突破性建模,高效的提升了数据利用率,结合平台工具产品,实现的建模流程自动化,为后续业务人员更新和维护模型提供了便利。

 

看尽大会精彩全日程

(持续更新中,以现场嘉宾与议题为准)
作为大数据领域极具影响力的行业盛会,BDTC 已成功举办十二届,见证了大数据技术生态在中国的建立、发展和成熟。本届大会将汇聚学术界和工业界的百余位专家,聚焦智能时代,大数据技术的发展曲线和大数据与社会各行业相结合的最新实践进展。

扫码直达抢购通道

 
开幕倒计时15天|距离 2019 中国大数据技术大会(BDTC)还有 15 天,优惠活动持续进行中!6.6 折票限时特惠(立减1400元),学生票仅 599 元!

 
联系我们:
服务热线:15101014297
媒体咨询:13301211220
商务合作:18911709282
大会邮箱:bdtc2019@126.com

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存