第四范式在构建低门槛 AI 全栈平台的探索实践

在 AICon 北京 2019 大会上，涂威威讲师做了《第四范式在构建低门槛 AI 全栈平台的探索实践》主题演讲，主要内容如下。

演讲简介：

人工智能经过数十年的发展，已经在计算广告、推荐系统、金融应用、医疗、能源、教育、计算机视觉、自然语言处理、生物信息学等诸多领域取得了成功。如今，越来越多的行业希望通过人工智能技术，实现更智能更高效的业务增长。然而，现阶段的人工智能技术实际落地需要跨越人才、数据、算法、工具、计算资源、规模化应用等诸多门槛，因此构建有效的低门槛 AI 全栈平台是人工智能技术广泛落地的核心关键之一。第四范式在过去 5 年中一直致力于构建低门槛的 AI 全栈平台，本次分享将会从算法研究、架构设计、产品及生态设计等多个方面分享第四范式在构建低门槛 AI 全栈平台方面探索的经验。

内容大纲：

1. 分享自动机器学习、弱监督学习、保护隐私的机器学习、图学习等前沿技术研究方向的进展

2. 解析第四范式低门槛 AI 全栈平台的技术核心——AutoML 方案

3. 分享第四范式自研的高效交互式自动机器学习框架在用户接口设计、面向自动机器学习的特征处理、模型训练以及非梯度优化引擎设计的思考和经验，分享在底层调度、通讯优化等多个方面设计上的思考和经验

4. 分享在金融、医疗、能源、媒体等多个领域取得领先效果的成功案例

听众受益点：

1. 了解人工智能在实际落地中的挑战与解决办法

2. 了解第四范式构建低门槛的人工智能平台时，在算法研究、架构设计、产品设计等多个方面的探索经验

3. 第四范式在互联网、金融、能源、医疗、教育、媒体等多个领域的实际落地经验

讲师介绍：

涂威威，第四范式主任科学家。

涂威威，第四范式主任科学家。在大规模分布式机器学习系统架构、大规模机器学习算法设计和应用、在线营销系统方面有深厚积累。涂威威曾在百度凤巢从事广告点击率预估工作，设计开发了百度机器学习计算框架 ELF。目前就职于第四范式，是第四范式先知平台独有的大规模分布式机器学习框架 GDBT 的设计者，将 AutoML 及迁移学习应用到工业界并取得显著的效果提升。涂威威在 AAAI、IJCAI、KDD、ICML、NeurIPS 等会议及其工作会议上发表多篇论文。涂威威也是 NeurIPS 2018 AutoML 比赛负责人、PAKDD 2018/2019 比赛主席、PRICAI 2018 AutoML Workshop 主席，IJCNN 2019 AutoCV 比赛组织者，NeurIPS 2019 AutoDL 比赛主要组织者之一，KDD Cup 首届 AutoML 比赛负责人，WAIC 2019 AutoNLP 比赛负责人，ACML 2019 AutoSpeech 以及 AutoWSL 比赛负责人，PAMI 首个 AutoML 特刊创办人之一。涂威威也是 NeurIPS 2019 CiML Workshop 主席， NeurIPS 2019 New In ML 组织导师，ChaLearn 理事会成员。

完整演讲 PPT 下载链接：

https://aicon.infoq.cn/2019/beijing/schedule