2019年7月11日-12日,2019中国大数据应用大会暨中国(成都)电子信息产业高质量发展大会将在成都召开,本届大会由中国大数据专家委员会、中国电子学会、四川省经济和信息化厅共同主办,业内知名媒体至顶网与科技行者协办。
2019政府工作报告指出要深化大数据、人工智能等研发应用,培育新一代信息技术等新兴产业集群,壮大数字经济。我们也看到2019年是推动实施国家大数据战略,加快完善数字基础设施,推进数据资源整合和开放共享,保障数据安全,加快建设数字中国,更好服务我国经济社会发展和人民生活改善的重要的一年。同时也是也是人工智能技术应用加速落地的一年。
所以当人工智能遇上大数据,一场严酷的商业革命正在风云迭起,为探讨大数据时代新一轮的发展高潮,在2019年7月11日下午由至顶网举办的2019年大数据与人工智能应用论坛,将围绕着大数据与人工智能技术等话题展开,从技术到产业、应用的链条发展,邀请业界知名领军人物从不同角度做出深度解析,为企业和用户提供最新的技术动态。
据了解,本次论坛至顶网将邀请到京东大数据首席架构师白贤锋、北京知道创宇IA(智能增强)实验室主任,北京知道智慧首席科学家兼产品技术负责人刘林峰、中科曙光大数据专家王琦、日立集团Pentaho大数据及物联网分析经理王善越、格灵深瞳首席技术官(CTO)邓亚峰以及四川长虹大数据架构师刘鑫等大数据和人工智能领域的专家来对大数据和人工智能应用进行深度解析。
作为京东大数据首席架构师白贤锋,拥有多年分布式架构实践开发经验,擅长异构存储、混合计算和数据智能算法开发,对技术和应用、数据和场景有很深见解。
王琦,现任中科曙光大数据及创新事业部高级咨询顾问,他将分享大数据如何提升城市精细化运营,以及中科曙光依托高性能计算、大数据、人工智能等的技术优势,在智慧城市方面所做的探索和实践。
王善越先生于2017年担任Hitachi Vantara中国区大数据及物联网分析经理,有着近20年的商业智能和大数据领域的工作经验,对行业、产品和相应技术有较深刻的认识。他将就如何通过人工智能和大数据技术,利用企业原有的结构化数据、非结构化数据和物联网数据,帮助企业实现数字化转型。
四川长虹集团软件与服务中心数据服务部副经理,大数据方向架构师刘鑫,主要负责长虹大数据基础平台的构建,并主导个性化推荐及人工智能服务平台等项目,曾多次荣获长虹集团优秀创新个人,带领团队获得优秀团队等称号。
邓亚峰,现任格灵深瞳信息技术有限公司首席技术官(CTO),毕业于清华大学,具有17年的计算机视觉和人工智能方向的研发经验。在过去的工作中,他发表过论文十余篇,申请中国专利超过100项,其中已经授权的95项。他曾担任百度深度学习研究院高级研究员,人脸识别方向负责人,是国内最早用深度学习解决人脸识别和计算机视觉问题的人之一,曾多次带领团队在主流的人脸检测、人脸识别竞赛上获得过优异成绩。他所参与研发的产品,在移动互联网、智慧城市、公共安全、智能交通、商业分析等各个领域都有应用。
北京知道创宇IA(智能增强)实验室主任,北京知道智慧首席科学家兼产品技术负责人刘林峰,负责北京知道创宇IA(智能增强)实验室,主要研究大数据、人工智能、自然语言处理、网络空间安全等基础核心技术;负责北京知道智慧大数据和AI产品线,主导面向特种行业、公安和金融领域的大数据、人工智能产品研发。
相信在大数据和人工智能应用论坛上能够给你带来真正的价值和体验。更多关于2019中国大数据应用大会的消息请点击:
http://www.bdac-china.com.cn/。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。