• 黑科技引领电商新时代
• 峰会结束后将开放视频观看
• 吕建伟 京东技术研究院院长

零售业态的变迁和技术的发展息息相关，黑科技在零售中发挥着越来越大的作用。此次分享我将为大家阐释新零售与旧零售的区别，以及物联IoT、人工智能、VRAR等前沿科技如何升级新零售，并分享实际的场景案例。

• 大数据与人工智能技术在摩拜的应用
• 峰会结束后将开放视频观看该PPT未获授权公开
• 尹大飞 摩拜首席数据科学家

共享单车在不到一年的时间里成为城市一道彩色风景线，成为市民短途出行的首选工具。我们会介绍摩拜单车如何利用大数据和人工智能技术解决运营中出现的违停、潮汐现象，以及在优化调度与运营方面的探索。与此同时，我们会和各位专家探讨在智慧城市建设中，能否结合摩拜运营大数据，通过和城市规划部门的合作来合理规划智能推荐停车点的选址。作为城市交通不可或缺的一环，摩拜愿意贡献自己的力量助力智慧城市的交通体系。

• 人工智能时代后深度学习的挑战与思考
• 峰会结束后将开放视频观看
• 焦李成 西安电子科技大学教授

大数据+大模型+大平台，使得深度学习成为人工智能时代的核心驱动力，从智能驾驶、机器翻译，再到无人超市值守等应用，“智造”背后的深度学习技术及网络模型也在不断的改进与创新。随着研究的不断深入，后深度学习时代已经超越了目前机器学习模型的神经科学观点，学习多层次、多通道组合的这一设计原则更加具有吸引力。深度学习是人工智能的一个重要方向，在未来，它将会不断出现激动人心的理论进展和应用实践，深刻影响我们生活的方方面面。

• 智能交互技术与物联网应用
• 峰会结束后将开放视频观看
• 梁家恩 云知声CTO

智联网时代即将到来，智能交互技术将在物联网得到广泛应用，推动物联网交互和服务的智能化升级。我将在WOTI为大家分享智能交互的技术体系、发展趋势与挑战，以及其在物联网产业的应用策略和实践经验。

• AI派来的外卖送餐员
• 峰会结束后将开放视频观看该PPT未获授权公开
• 张浩 饿了么技术副总裁

饿了么作为外卖行业的鼻祖和重量级player，在人工智能和大数据方面有很多成功的案例，用数据和智能来驱动业务，公司在人效、金效方面有了极大的提高。本次分享会着重在数据挖掘、物流调度、推荐搜索等几个方向讲述饿了么所做的一些工作 。

• 人工智能助力物流升级
• 峰会结束后将开放视频观看该PPT未获授权公开
• 刘志欣 顺丰科技人工智能技术总监

• 人机交互技术的未来发展
• 峰会结束后将开放视频观看
• 马赓宇 uSens技术研发副总裁

人机交互技术的发展由两方面的因素决定。一方面是用户希望更自然的交互方式。另一方面是技术的进步使得交互更加自然和方便。在VR、自动驾驶、无人机这些新兴领域，传统的交互方式已经不能满足用户的需求。而随着深度学习、计算机视觉等领域的突破性进展，一些新的交互方式已经成为可能。我们认为未来的人机交互方式将会包含自然手势理解和环境感知这两个核心功能。本演讲将包括这两个领域的前沿技术介绍、我们的研究成果演示、以及未来发展方向的预测。

• 如何吸引人工智能投资人向你瞄准
• 峰会结束后将开放视频观看
• 陈昱 云启资本执行董事

中山大学计算机科学学士，约翰霍普金斯大学计算机硕士，芝加哥大学布斯商学院MBA。主导和参与投资了力美广告、一起写、GraphSQL、数人科技、云英、PingCAP等项目；加入云启前曾在谷歌纽约和上海办公室5年，领导开发了数个个性化搜索和展示广告项目；后任力美告任首席技术官，推出中国首个专业移动DSP产品。2016年度最受欢迎菁英投资人（华兴资本）。

• 如何消除机器人对人类的误解
• 峰会结束后将开放视频观看
• 亓超 三角兽联合创始人&CTO

AI 领域开放域聊天和chatbot顶尖专家，10年科研与工程经验。 曾在佳能、腾讯、阿里，微软及百度负责推荐算法和人机对话系统研发。2014年微软小冰开放域聊天技术创始人，百度T8Lead，度秘聊天技术负责人，从零开始搭建微软小冰和百度度秘人机交互系统。

从技术的角度来看行业的发展，技术突破转向更多体现到产品突破。自己所从事领域的理解对未来世界的技术前景进行展望，讨论中各位嘉宾脑洞大开、妙语连珠。

• 深度学习在智能教育中的应用
• 峰会结束后将开放视频观看
• 林晖 流利说首席科学家

机器学习最新的浪潮里离不开数据，我们会结合“英语流利说”过去4年的实战经验，告诉你如何构建一个“现代的数据架构”，从而不但能保证业务分析需要，还能支持人工智能应用的快速迭代； ● 现在最火的深度学习（e.g.语音识别，自然语言处理等）在智能教育中的应用现状如何？我们会用生动案例分享AI如何开启未来教育的新模式。

• 机器学习在电商领域的场景化应用
• 峰会结束后将开放视频观看
• 郑志彤 京东商城基础平台部首席研究员

京东商品基础数据主要由自营品牌录入，这些数据直接被多个核心业务所使用。因此如何利用机器学习技术去保障这庞大的涉及数亿商品的海量数据质量尤为关键。为了实现对于商品数据的理解和修正，京东机器学习团队做了很多工作，将从信息合规、商品图文不一致校验、商品类目自动识别、电商标题理解、评论知识抽取来描述这一过程。

• 机器学习下的检索意图自动识别
• 峰会结束后将开放视频观看
• 陈翔 百度资深研发工程师

自然语言文本的需求理解，是搜索引擎以及语音控制的AI系统的重要组成部分。 从应用的角度，介绍百度搜索阿拉丁系统的自然语言的需求理解策略的智能化升级, 分享百度搜索的需求识别和语义解析技术。并通过这个升级作为例子，分享如何利用大数据优势，结合深度学习技术构建模型；在此基础上结合业界一些新思路和实际问题，用微创新来优化模型；流程上，借用ai技术的同时，引入业务流程设计和人工标注，进一步优化并构建一个切实可用的智能系统。

• 深度学习开启社交电商智能时代
• 峰会结束后将开放视频观看
• 杨骥 国美大数据中心副总监

本次分享的内容基于国美互联网的业务场景，介绍了深度学习算法和架构的演进过程，重点是过程中遇到的挑战，及深度学习技术带来的提升效果。 同时针对电商领域传统的基于用户行为构建个性化系统所存在的局限性，重点介绍了国美互联网使用深度学习技术的实践案例，包括如何使用卷积特征 (convolutional feature)做主体识别、如何使用CNN做商品品类预测、利用图像局部特征（SIFT、SURF、HOG等）进行展示重排序、图像相似性检索特征实时更新策略、实拍图像增强等内容。除此之外，还会介绍我们如何使用RBM做推荐物料生成的案例。

• Machine Learnine@Uber
• 峰会结束后将开放视频观看
• 刘彦东 Uber Tech Lead

深度学习系统在处理大量数据起到重要作用。Uber的车辆积累了数百万英里的行驶数据、获取的位置数据和交通问题数据等。UberEats提供了另一个数据集，以便于交叉引用和有趣的关联发现。本次分享我将介绍Uber的机器学习平台系统架构，以及一些关健挑战的应对策略。

• TensorFlow在推荐系统中的应用和实现
• 峰会结束后将开放视频观看
• 李嘉璇 《TensorFlow技术解析与实战》作者

从核心算法上讲，推荐系统是如何经历从最初的协同过滤到如今的深度学习等各种复杂的机器学习模型的演变。将演示如何使用Tensorflow实现各种模型，从简单的浅层神经网络双线性模型，到针对推荐系统稀疏数据场景下的Amazon的DSSTNE，和Youtube推荐系统采用的神经网络在TensorFlow上的实现。

• 机器学习票房预估中的实战
• 峰会结束后将开放视频观看
• 李明辉 猫眼电影高级技术专家

票房预测对电影的投资发行、上映排片等具有举足轻重的作用，传统的方法主要依赖电影从业者凭借其多年的工作经验对票房进行预估，很难做到精确。本次报告介绍了猫眼电影是如何利用其自身的大数据优势，采用机器学习等人工智能技术，对电影票房进行精确的预估，包括实时票房、天级票房、总票房等实际问题。

• 构建富媒体时代的弹性深度学习云平台
• 峰会结束后将开放视频观看
• 彭垚 七牛云AI实验室负责人

本次演讲主要结合七牛人工智能实验室在海量富媒体数据的应用于实践，讲述如何结合容器云技术，构建富媒体大数据时代深度学习计算平台，并探讨深度学习在视频，图像领域的一些突破和应用。

• 自动化建模下的高效机器学习应用开发
• 峰会结束后将开放视频观看
• 单艺 猎聘首席数据官

传统的机器学习建模基本上是手工作业，耗费大量时间清理数据、试验特征、优化参数，非常依赖专业人员的经验和数量。我们在做自动化建模平台，可以自动化完成很多模型开发工作，甚至超越普通专业人员的建模水平。