首屆深度學習世界大會將於6月舉行，現已發布主題章程

AiTechYun

編輯：chux

首屆深度學習世界大會將於2018年6月3日至7日舉行，地點在拉斯維加斯。

不要錯過即將舉行的首屆深度學習世界大會上見證行業巨頭主題演講的機會。深度學習世界是關於深度學習的商業部署的首要會議，該活動的使命是促進已建立的深度學習方法在價值驅動下的運作突破。

讓我們來看看這次大會的主題章程：

應用深度學習：自駕車和假新聞檢測

來自優步的Michael Tamir

應用深度學習已迅速成為許多行業機器學習應用的標準工具。神經網路技術方面的新進展為解決直到最近無法實現的問題打開了大門。由於這些進步，像自動駕駛汽車的圖像識別，醫學圖像分類，文本翻譯和假新聞檢測等應用程序都是易於處理，並且通常都是行業標準。在這個主題演講中，領導Uber ATG（自動駕駛汽車部門）數據科學團隊的Mike Tamir將揭示深度學習的兩個關鍵應用領域，表明這一新興技術的廣泛性和重要性。

最偉大的科學

來自Elder Research的John Elder

數據科學如果被視為一門獨立的科學，會超越其相關門類的真理、廣度和效用。數據科學比任何其他科學都能更好地找到真理。當今科學成果的可複製性危機很大程度上是由於業餘愛好者進行的數據分析不佳造成的。至於廣度，數據科學家只需要領域專家的小範圍合作就可以對新領域做出巨大貢獻，而反過來並不容易。對於實用程序，數據科學可以適應經驗行為，以此提供有用的模型，而好的理論尚未發現。也就是說，即使「為什麼」無法解決，它也可以預測「什麼」是可能的。

深度學習：實現能力和新領域

來自斯坦福大學商學院的Luba Gloukhova

開創性理論，大數據和計算能力，憑藉這三種，深度學習的更大進展指日可待。它將計算機視覺，時間序列分析和自然語言處理推向了新的高度。當我們乘著這樣的進步浪潮時，仍然處於加速狀態，我們也遇到了類似於傳統機器學習的新挑戰。在這個主題演講中，DLW Founding Program主席Luba Gloukhova將介紹深度學習已經克服的重大挑戰以及仍然存在的問題。

使用CNN和LSTM實時惡意軟體檢測

來自Capital One的Domenic Puzio和Kate Highnam

域生成演算法惡意軟體可以調出特殊的網址以避免靜態規則引擎的檢測。為了對付這種惡意軟體，我們創建了一個評估域是否有惡意的整體模型。該集合包括兩個深度學習模型：卷積神經網路和Long Short Term Memory network。這些深度網路足夠靈活，可以學習複雜的模式，而且不需要手動設計。系統可實時分析企業級網路流量。本次演講將討論用於構建模型的機器學習演算法以及用於低延遲處理的模型，即服務體系結構。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！