英特尔演讲嘉宾
戴金权 先生
英特尔高级首席工程师
大数据技术全球CTO
大数据技术全球CTO
个人介绍：
戴金权现任英特尔高级首席工程师、大数据技术全球CTO，负责领导英特尔全球（位于硅谷和上海）的工程团队在高级大数据分析（包括分布式机器学习和深度学习）上的研发工作，以及和全球领先的研究机构（如UC Berkeley AMPLab、RISELab等）的技术合作。他是一位得到国际认可的，在大数据、云计算和分布式机器学习上的专家；他是O’Reilly AI Conference Beijing的联席主席, Apache Spark 项目的committer和项目管理委员会（PMC）委员，以及BigDL（基于Apache Spark的分布式深度学习框架：https://github.com/intel-analytics/BigDL/）项目创始人。
英特尔演讲嘉宾
Arjun Bansal
英特尔公司人工智能事业部副总裁
兼人工智能实验室和软件总经理
兼人工智能实验室和软件总经理
个人介绍：
在英特尔于 2016 年 8 月收购 Nervana Systems 之前，Arjun 是 Nervana 联合创始人兼算法副总裁，主管机器学习软件和数据科学工作。他的研究工作涵盖神经生理学和大规模机器学习。Arjun 拥有加州理工学院计算机科学学士学位和布朗大学神经科学博士学位。他还完成了波士顿儿童医院和哈佛医学院举办的博士后培训。
演讲主题：大会主题演讲
人工智能助推医疗行业现代化
内容介绍：
人工智能正在革新各行各业，并将给医疗行业带来深远影响。人工智能可为医生提供全新洞察，利用海量医疗数据加快诊断速度。人工智能还可减少新药物的开发时间和成本。本演讲将带您了解英特尔和其他行业领导者如何利用人工智能技术携手解决医疗行业的一些大挑战。
演讲主题：分会场演讲
人工智能助推医疗行业现代化
内容介绍：
精准治疗带来了彻底变革医疗保健的希望。它通过消除试错治疗方法，能用更低的花费提供更好的治疗效果。其中，人工智能将扮演关键角色，例如制药业里基于人工智能的定制化治疗的提速，基因学里加速生物标记的发现和解释，以及在医疗护理里通过使用智能算法做计算机辅助检测来提升医护生产力等。深度学习用于精准治疗需要海量的计算资源和开发新算法。英特尔正致力于将让这一切变成现实。本议题将会分享新出现的算法和模型，它们可以被用于分析医疗保健数据，包括电子病历、医疗图片、药物以及基因数据集。
英特尔演讲嘉宾
刘茵茵
英特尔人工智能事业部数据科学部主任
个人介绍：
刘茵茵博士目前担任英特尔 AIPG 数据科学负责人。刘茵茵主管数据科学工作，致力于将深度学习和英特尔® Nervana™ 技术应用于各个行业领域的业务应用，推动英特尔® Nervana™ 平台的开发与设计。她带领英特尔Nervana 团队开发了开源深度学习框架、neon 和英特尔® Nervana™ Graph，将图像识别、图像本地化、自然语言处理等先进模型整合到框架和深度学习解决方案中。此外，刘茵茵还具有计算机视觉、神经形态计算和机器人等方面的工作经验。
演讲主题： 大会主题演讲
基于深度学习的自然语言处理
内容介绍：
深度学习为自然语言处理 (NLP) 带来新机遇和新希望。借助全新的深度学习方法，数据科学家可处理基于文本、语言和对话的应用，创造性地构建适用于各种 NLP 应用的基础。了解人工智能技术正如何推动 NLP 的发展以惠及各行各业。
演讲主题：分会场演讲
深度学习时代的数据科学和自然语言处理
内容介绍：
自然语言处理（NLP）带给计算机理解人类语言的能力。NLP利用深度学习最新算法发展例如文档理解之类的应用，使公司能够筛查海量文本，分类并找到相关信息。本议题我们将讨论深度学习最新发展如何影响处理文本、语言及基于对话应用，并启发了利用数据的新方向。我们还将讨论几个使用英特尔® 人工智能技术的NLP企业案例。
英特尔演讲嘉宾
利智超
英特尔软件事业部高级工程师
个人介绍：
利智超是英特尔的高级软件工程师，专注于分布式机器学习领域，尤其关注 Spark 平台上的大型分析应用和基础设施。他也是 Spark 平台上十分活跃的内容贡献者。此前，利智超曾就职于摩根士丹利的外汇部门。
演讲主题：辅导课
深度学习时代的数据科学和自然语言处理
内容介绍：
深度学习技术的进步继续推动数据分析和机器学习的演变，推进人工智能的全新应用。作为最受欢迎的上层神经网络 API 之一，Keras 可帮助企业轻松、快速地进行原型构建，并支持多个后端，包括 TensorFlow 和 Theano。在本演讲中，我们将展示如何将 Keras 无缝集成在 BigDL（Apache Spark 的一种分布式深度学习框架）中，以便用户通过运行分布式 Keras 在基于英特尔® 至强® 处理器的现有 Hadoop/Spark 集群上进行训练、微调或大规模推理。
英特尔演讲嘉宾
刘建航
英特尔人工智能事业部系统架构师
个人介绍：
刘建航 是英特尔人工智能事业部技术解决方案团队的系统架构师。他负责帮助中国客户使用英特尔AI解决方案（芯片，工具，软件栈）成功构建AI应用。他专注于深度学习性能诊断，低精度训练，以及适用于深度学习计算的异构架构。
演讲主题：分会场演讲
低精度计算用于深度学习推断和训练
内容介绍：
目前，商用的深度学习应用大多使用32位单精度浮点数(fp32)进行训练和推断。已有不同的研究显示在训练或推断中使用更低精度表示（训练16位，推断8位或更低；由于反向传播中的梯度表示，训练需要相对较高精度）仍能保持基本相同的准确度。低精度表示在未来数年内很可能成为业界标准做法，尤其是针对卷积网络应用。低精度表示至少带来了两个好处。一是极大减少了模型的存储量，提高了缓存效率，数据可以更快地在内存、缓存、寄存器间搬移从而避免内存访问成为瓶颈；二是硬件可能提供更高的计算能力（每秒运算次数）。这里我们将回顾低精度表示用于深度学习训练或推断的历史，并展示英特尔是如何在志强可扩展处理器上利用低精度表示进行深度学习计算的（例如如何进行数值量化）。
英特尔演讲嘉宾
邱鑫
英特尔软件与服务事业部资深工程师
个人介绍：
来自于英特尔大数据技术团队，专注于大数据分析领域，主要研究分布式机器学习的原理及应用,是基于Spark的深度学习框架BigDL的核心贡献者。
演讲主题：分会场演讲
基于BigDL的超大规模图像处理在京东的实践
内容介绍：
深度学习技术被行业广泛采用来解决计算机视觉问题。随着数据量的不断增长，加快和扩展数据处理流程成了一个很关键的问题。然而，由于软件和硬件基础设施的限制，基于GPU解决方案的应用程序面临许多挑战。为此，BigDL（基于Apache Spark的大数据分布式的深度学习框架）为大规模图像处理提供了丰富的端到端支持，包括基于OpenCV的图像预处理库和各种视觉模型（ SSD，Faster-RCNN，Inception，ResNet等）。 BigDL还支持从第三方框架（如Caffe，Tensorflow，Keras和Torch）加载模型。这些支持使得构建各种图像应用程序变得容易，如目标检测，图像分类和特征提取。
我们将介绍如何在Apache Spark上使用BigDL构建灵活性和高可扩展性的端到端深度学习应用程序。我们还将分享我们在京东构建大规模图像特征提取流水线的经验，与京东之前的GPU解决方案相比，速度提高了3.83倍。 BigDL的高可扩展性，高性能和易用性使得利用深度学习技术分析大量图像变得更容易。
英特尔演讲嘉宾
Huma Abidi
英特尔人工智能事业部工程总监
个人介绍：
Huma Abidi 是英特尔人工智能产品事业部的工程总监，负责英特尔® 至强® 处理器的深度学习框架软件优化。Huma 以软件工程师的身份加入英特尔公司，此后在编译器、二进制翻译以及机器学习和深度学习领域担任工程师、验证者和管理者等多种职务。她在软件与服务事业部中的工作表现十分优异，曾因此荣获英特尔成就奖。她还两度斩获英特尔软件质量奖。她热衷于普及女性教育，目前在一家名为 ROSHNI 的慈善组织中担任董事，该组织致力于为印度贫困女孩提供教育和支持。Huma 是马萨诸塞大学的医学预科和化学理学学士，并在该校拿下计算机科学的理学硕士学位。
演讲主题：分会场演讲
为现代英特尔®处理器优化深度学习框架
内容介绍：
深度学习（Deep Learning，DL）在近几年取得了显著的发展，并在多个领域（例如图像识别、语音识别和目标检测）被用于解决问题。诸如TensorFlow、Caffe、MXNet和PyTorch这样的框架可以让用户（比如数据科学家）在多种问题上运用神经网络。英特尔工程师与框架所有者已经合作，优化这些框架以提高它们在基于英特尔® 至强 ®处理器平台上的性能。中我们会讨论这些合作优化工作及描述深度学习框架用户如何使用这些优化。还会提供一些在英特尔® 至强® 处理器上得到最佳性能的特殊技巧。
英特尔演讲嘉宾
陈玉荣
英特尔首席研究员
英特尔中国研究院认知计算实验室主任
英特尔中国研究院认知计算实验室主任
个人介绍：
陈玉荣博士现任英特尔首席研究员、英特尔中国研究院认知计算实验室主任。负责领导视觉认知和机器学习研究工作，驱动基于英特尔平台的智能视觉数据处理技术创新。领导和推动了基于深度学习的视觉理解以及领先人脸分析技术的研究和开发，并以此影响英特尔架构/平台设计，为英特尔®实感 ™ 技术、计算机视觉软件开发包，物联网端对端视频分析解决方案和移动终端应用提供关键技术。由于带领团队在视觉理解，先进视觉分析和多模态情感识别等方面取得卓越研究成就，连续三年获得英特尔研究院年度全球最高学术奖 – 戈迪奖（以英特尔公司创始人戈登•摩尔命名）。发表学术论文50余篇，拥有40余项美国/国际专利及申请。2002年获得清华大学博士学位。2004年在中科院软件所完成博士后研究工作后加入英特尔。
演讲主题：分会场演讲
理解视觉数据
内容介绍：
如今，视觉感知无处不在，其成本在日益下降，视觉数据也在快速增长。因此，分析和理解海量的视觉数据已成为一大挑战。为攻克这一挑战，英特尔研究院正对英特尔平台上的智能视觉数据处理技术进行创新型研究。在本演讲中，我们将介绍英特尔如何通过各个领域的前瞻性研究，如脸部分析、情绪识别、用于对象检测的高效 CNN 设计、DNN 模型压缩和密集视频字幕等，推进基于深度学习的视觉理解。