让我们来看看都有哪些有趣的workshop吧！.doc

《让我们来看看都有哪些有趣的workshop吧！.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、让我们来看看都有哪些有趣的workshop吧！　　将门作为一家以技术创新为切入口的早期创新发掘机构，重磅启动「将门×行业龙头企业创新行」计划，邀请各地技术小伙伴们一同走入来自零售、交通、医疗、金融、地产等行业龙头企业，深入理解AI落地场景，发掘更多AI价值的应用空间。　　7月20日（周五）的首站，我“门”将来到全球医疗健康领域的领导者—飞利浦。我们也很荣幸邀请到飞利浦人工智能实验室总监周子捷博士，届时他将到场和大家分享“飞利浦人工智能驱动的医疗解决方案”，介绍飞利浦在“人工智能应用于医疗健康”领域的研究方向和创新成果。　　　

2、　一年一度的国际机器学习会议ICML已于10号在瑞典的斯德哥尔摩召开。七月的酷暑里在读ICML2018的论文，仿佛就像从遥远的北欧仿佛吹来了阵阵清风。今年的ICML共接收论文621篇。　　【一键下载所有论文】T.R同学的论文下载工具>>https://pan.baidu.com/s/1CHNPpyF77EXBbVzwKxa_tw　　　　上图是ICML论文题目的词云，其中Learn和Network依然是会议的主题。　　同时还包括了9个tutorial，四场主题演讲涵盖了安全、效率、交互和类人智能等方面。此外还包含了75个workshop，

3、为与会者们提供了各个领域丰富的交流机会。下面就让我们来看看都有哪些有趣的workshop吧！　　音乐　　机器学习最终要用于人社会的生产生活中才能为人类造福。科学家们一直在探索机器学习对于精神文明建设的作用。AI已经可以分析和生成各种形式的艺术作品了。在今年的ICML会议中，举办了一个MachineLearningforMusic的workshop来探讨机器学习与音乐方面的问题。目前大规模的在线音乐曲库对于机器学习提出了新的要求，需要算法和模型能够高效地理解和组织复杂的数据。　　　　除了成熟的推荐系统外，还需要研究音乐生成和音频处理方面所

4、面临的挑战。同时包括音乐的表示学习、自动打标、音乐合成及风格转换等都将在workshop中进行探讨。　　　　https://sites.google.com/site/faimmusic2018/　　人性化　　人类一直希望能创造出和自己一样的智慧机器，在人与机器之间建立更为牢固的伙伴关系。但其中的关键在于我们需要从现在需要人去理解机器的世界，发展到未来机器能理解人的世界中去。另一个workshop着重于对人性化AI的探讨，目前人们都重视机器的智力水平，而忽略了它的情商高低。研究人员们希望通过这个workshop构建智能机器IQ和EQ之间

5、的桥梁，并让更多的人关注和研究这一领域。　　　　研讨会中不仅会介绍情感和和人性化对于机器智能的重要性，更从学习和想象的方面探讨了AI的可能性。　　　　https://www.humanizing-ai.com/　　游戏　　相信各位小伙伴一定还记得不久前AI在DOTA中打败了人类玩家，游戏也是人工智能的发展一个重要的体现窗口，毕竟我们在婴儿时期都是通过不断地游戏来习得对这个世界最初的经验的。　　　　这次研讨会同样举办了关于电子游戏机器学习workshop，主要包括了蒙特卡洛方法、深度学习、强化学习、启发式搜索、棋牌类游戏、视频游戏、多人协

6、作和游戏理论等方面。相信研究人员们又回抛出令人惊奇的游戏AI，继续在各大游戏中驰骋。　　　　http://www.lamsade.dauphine.fr/~cazenave/cgw2018/cgw2018.html　　IOT　　随着智能设备的发展IOT的重要性愈加凸显，同可穿戴设备、环境传感器到各种家居设备都需要IOT发挥强大的作用，近年来边缘计算也应运而生。这些设备产生的海量数据比社交数据的速度快两倍达到了44EBytes/month。IOT设备主要是时序特征的数据音视频信息，但很多的数据目前还处于尚未被利用的状态。AI4IOT研讨会

7、希望探讨如何利用AI来理解这些数据，如何将物理系统与环境衔接起来，帮助人类依据IOT进行决策和行为。　　　　包括提出相关的建模、分析方法，高效处理大规模数据的手段以及一定程度的预测和行为识别、异常检测等方面。　　　　https://www.zurich.ibm.com/AI4IoT/index.html　　AutoML　　机器学习非常成功，但目前还在很大程度上依赖人类专家的经验来选择架构调节参数。随着技术的发展，机器学习算法逐渐发展成了易用便捷无需专业知识介入构建过程。WorkshoponAutomaticMachine研讨会就着重探讨

8、自动机器学习领域的最新进展，包括研究平台、迁移学习、表象、算法进化和新架构、加速、大规模计算等等方面。　　　　　　如果你想要深入了解，组委会还用心的提供了一份超详细的教程来学习AutoML>>https:/