主题: Building Deep Learning Applications for Big Data Platforms

摘要: 人工智能应用的最新突破,将深度学习带到了新一代数据分析的前沿。在本教程中,我们将介绍在大数据平台上为生产数据和工作流构建大型深度学习应用程序(如计算机视觉和NLP)的实践和设计权衡。我们将概述新兴的大数据深度学习框架(如BigDL、tensorflowspark、Apache Spark的深度学习管道等),并介绍底层的分布式系统和算法。更重要的是,我们将展示如何使用真实的用例(如Azure、JD.com、世界银行、Midea/KUKA等)为大数据(在Analytics Zoo、分布式TensorFlow的统一分析+AI平台、Apache Spark上的Keras和BigDL之上)构建和生产端到端的深度学习应用程序管道。

邀请嘉宾: Apache Spark的创始委员会和PMC成员;Apache MXNet的导师;北京奥瑞利人工智能会议的联合主席。BigDL(github.com/intel analytics/BigDL)和analytics Zoo(github.com/intel analytics/analytics Zoo)的创建者,前者是Spark的分布式深度学习框架,后者是Spark上用于分布式TensorFlow、Keras和BigDL的analytics+AI平台。

成为VIP会员查看完整内容
9

相关内容

【新书】深度学习搜索,Deep Learning for Search,附327页pdf
专知会员服务
202+阅读 · 2020年1月13日
重点实验室系列报告-ClickHouse Introduction and Deep Dive
中国科学院网络数据重点实验室
9+阅读 · 2019年6月5日
大数据流处理平台的技术选型参考
架构文摘
4+阅读 · 2018年3月14日
推荐|斯坦福大学面向Tensorflow深度学习研究课程(2018)
全球人工智能
4+阅读 · 2018年1月14日
Advances and Open Problems in Federated Learning
Arxiv
17+阅读 · 2019年12月10日
Accelerated Methods for Deep Reinforcement Learning
Arxiv
6+阅读 · 2019年1月10日
Arxiv
53+阅读 · 2018年12月11日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
VIP会员
相关VIP内容
【新书】深度学习搜索,Deep Learning for Search,附327页pdf
专知会员服务
202+阅读 · 2020年1月13日
微信扫码咨询专知VIP会员