当前位置:首页 > 口碑营销

集齐叶荫宇、蓝光辉、陈溪、李建、王子卓的大牛圆桌会,关于算法优化他们都聊了什么

发布时间:2019-06-30 08:41:30   编辑:移动互联网   阅读次数:

摘要:6月24日下午,钛,媒体和在北京举行2017AI大师论坛组织科技杉木数量,论坛要求5的优化算法,机器学习一流的教授和学者出席并发表学术演讲,他们是斯坦福大学李国-ting工程讲座教授叶荫榆,在艳蓝色的佐治亚理工学院终身教授,纽约大学,MICHAELI助理教授。乔丹的优秀学生陈曦,交叉信息研究院的助理教授,清华大学李山和科技C?O的数量,在明尼苏达汪栽拙大学助理教授。论坛上,围绕算法,数据,应用五位科学家,结合各自的研究领域,谈到了当前的形势和未来的发展。*

6月24日下午,钛,媒体和FIR一些技术支持的2017年AI大师论坛在北京举行,本次论坛问5种优化算法,机器学习一流的教授和学者出席并发表学术演讲,他们是斯坦福大学李国鼎工程系教授叶饮誉在迈克尔·我艳蓝佐治亚理工学院,纽约大学助理教授,终身教授。乔丹的优秀学生陈曦,交叉信息研究院的助理教授,清华大学李山和科技CTO的数量,在明尼苏达汪栽拙大学助理教授。

论坛上,围绕算法,数据,应用五位科学家,结合各自的研究领域,谈到了当前的形势和未来的发展。

*叶荫榆

叶荫榆教授斯坦福大学工程学教授李郭婷(K。T。李教授主持),他的研究兴趣包括连续和离散优化,科学数据和应用程序,大型算法设计与分析,计算博弈论/市场平衡,动态资源分配和随机的和强大的决策,他也是基石优化算法领域的奠基人内点算法的一个 - 一个。

由于卓越的贡献,他被授予运筹与管理冯·诺依曼理论奖美国学院,是迄今为止唯一中国学者这个奖项,还主持了美国参加波音,FICO,美国运通,美国能源部健康,节能的国家科学基金会美国能源部和美国空军研究部门及其他研究项目。此外,在工业部门,叶教授也有超过覆盖,为优化软件公司MOSEK?科学技术咨询委员会,首席科学顾问,科技红杉数的主席,也参与到中国的国家电网调度,华为,京东商城,收入管理,无人仓库项目。

在座谈会上,叶荫榆教授“想和应用程序优化算法”为题发表演讲。早在1982年,他去了斯坦福大学学习,工作期间,它经历了AI冷热,从红到无人问津,有点类似现在的热,所以他认为,AI几起几落,但“优化“一如既往定点,需要企业。

对于大数据时代AI业务决策时,需要通过机器学习了很多数据,然后建模,决策。但决策过程中,可能会使用的优化和运筹学模型一些很传统模式。反过来,AI算法也优化领域提供了新的思维方式:

之前,我想拿出一个通用的算法,线性规划的解决方案都可以解决方案迅速,但随后另一方面,人工智能研究人员并不这样想的,这是非常定制的,有什么方法适合某一类型的问题通过该方法,不追求一个统一的算法,或一个类的方法。所以在这点上,AI已经改变了我们的思维。

*蓝色荣耀

\

蓝辉煌教授博士。佐治亚理工学院,佐治亚理工学院终身教授,他目前担任计算优化和应用(从2014年起),优化算法顶级期刊数学规划(数学规划,自2016),该杂志的副主编,是国际机器学习和深度学习顶级专家的算法方向。亮蓝教授研究的主要领域:理论和随机优化,非线性规划算法和应用,包括随机梯度下降和随机梯度下降加速,以解决随机凸和非凸优化问题。

在座谈会上,教授亮蓝与“凸优化,机器学习和深度学习”为题发表演讲。回顾凸优化的历史后,兰教授解释优化和机器学习之间的关系。在他看来,机器学习的本质是建立描述所使用的最优化模型来解决最优化的数据,输入和输出,模型和算法的结合点的模型。

此外,他还介绍了优化的“黑盒子”:

除了机器学习与它比其它预测做,最重要的决定是必须要做的。模型做好相关的系统集成的优化决策,无论是在机器学习过程中或在决策过程中,需要使用优化模型和算法,有一个工具,或黑盒就可以解决这个问题,还有就是,我们所谓解算器。

随着求解器可以帮助企业解决了很多问题,比如数据分析前端使用,并找出规律,如用来制造问题,再申请的经济,金融,军事,工业工程措施的局,管理,互联网领域。据的问题的问题的规模和难度,溶液精度要求,可以设计不同类型的解算器,诸如中型解算器,1000年至1000年的变量或约束。较大的解算器,你需要解决的变量变量的9个或6次方10非常大,那么也许我们需要解决这个特定的加速算法,随机梯度算法不同的方法,协调梯度下降它用来解决大问题。

顶级的机器学习求解的,首先是H20,它发布了最早和最有影响力的开源机器学习的一个重要的客户是思科,贝宝,易趣; 二是TensorFlow,谷歌全面发展,推动深度学习的计算引擎,也可以是一个常见的机器学习求解,是Github上位列世界顶级开源项目,在语音识别,图像识别的AI现场看到,机器翻译随处可见,英特尔,高通,制作的Airbnb等重要客户。

雷网了解到红杉技术还开发了一些解算器,和比较TensorFlow两个溶液在公共数据进行了测试组9,10倍,比倍的速度TensorFlow -70。后续,雷锋网将继续关注详细消息求解。

陈曦*

博士。陈曦目前是纽约大学的助理教授,CMU机器学习系博士。d。,也跟着?迈克尔·乔丹我做博士后研究,为期一年多的。同时,陈楷博士接过谷歌系研究奖,2017年还荣获福布斯杂志美国?最有影响力的青年科学家提名30 30下。博士研究的主要领域。陈曦如:机器学习,高维统计及运筹学。

在座谈会上,博士。陈曦作为演讲的主题是“从决策学”。博士。陈曦首次就读于密歇根中央大学的商学院,学习机在商学院将传统的问题和机器学习技术,学习后的一年,试图解决,继?经过博士后科研迈克尔·乔丹我说完,他进入了业务的纽约大学法学院,继续使用机器学习技术和解决关心的商学院的问题的方法。他想:

做大型的统计推断,物流和运营管理,看似无关,实则非常联系人。最根本的是要联系这些科目数据驱动的,最后是要数据业务,核心数据挖掘的价值。我想,为了这三个方面的结合,有数据的更深,更好地了解和做出有效的决策。

此外,博士。陈曦也认为,真正的问题是极其复杂的业务复杂,光机器学习是不够的,把机器学习和科学,统计学相结合,将产生新的数据。机器学习的发展,近年来,图像处理,文字处理,您可以通过数据,极大地促进了机器学习算法的开发获得更好的性能。但是,商业,大型公共数据集,或者很少,将来还会有更多的这样的数据集,更多的研究者进入这一领域,所以我们可以得到更多的知识,这样你就可以倒推商用机器学习技术的发展或决定-制造。

*李

李获得了博士学位,在美国马里兰大学,目前正在清华大学交叉信息研究院的清华大学副教授。博士。李是2009年VLDB和欧空局2010年度最佳论文奖获得者,也是新世纪优秀人才青年学者清华大学211基础研究以及青年人才支持计划,他的研究兴趣包括:算法设计与分析,机器学习和深入学习,随机优化和组合优化。

在座谈会上,博士。立来“的思想和学习算法来预测应用的深度,”为题发表了演讲。在演讲中,他说:

在图像识别深入的研究,在这些领域语音识别,都取得了比较成功的进步,也有成功的商业模式,但在时空大数据方面的研究才刚刚开始,还没有非常成熟的一套方法论。

博士。李认为,在大数据空间领域学习的深度,具有非常广阔的应用前景,如网络关于汽车的订单预测,预测行程时间,商店选址等问题。

大的空间和时间数据是有许多类型的数据,来解决一个问题的每个方面都可以使用,例如,预测,供应的订单和需求网络有关汽车的应用中,数据的类型包括GPS,订单数据,天气数据,交通数据等。,其中涉及的问题的原始深度研究是不一样的,唯一需要做的图像识别图像是不够的,做语音识别的语音刚好够,现在有各种各样的数据,这是质的不同结合的必要性为了研究和预测。

\

*汪资酌

博士。汪栽茁19岁从清华大学毕业,24岁拿到博士学位,在斯坦福大学,和现任教于美国明尼苏达大学也举行了若干次CTO杉技术 。他拥有了IBM定制的定价体系两项美国专利,而且由于行创造了数十亿美元的利润,IBM,另一个项目也被提名为美国社会的收入管理最佳实践的运营管理分会2015年获奖。他的主要研究领域是:收入管理和运营管理,定价,优化设计。

在座谈会上,博士。汪资镯“数据驱动的价格体系解释”为题发表演讲。在演讲中,他认为,在更广泛的意义,一个好的定价策略,你需要在正确的时间,正确的地点,合适的价格,合适的服务和销售消费品的权利。这包含了很多地方需要做出的决定,当然,价格是大多数人的一部分,这家企业,这是非常重要的。

在行业内,企业可以利用有限的资源来获取更大的利益,这很可能决定是否要脱颖而出公司在同行业,可以成功,但很多企业的定价策略可以被描述为“生命线”。有很多新的机会,也有很多的挑战,通过数据驱动的,机器学习,人工智能,运筹学技术手段,将能够帮助新公司更好地迎接挑战的新时代。

以下是Q&A的采访,雷锋网并没有改变的基础上,完成切割的意图:

记者:产业界,学术界,相对来说,有更多的资源,美国高校如何满足学术人才流失的挑战?

陈曦:美国高校的企业提供更灵活的系统,以前不允许的教授,现在允许在学校三天的工作,企业工作两天了,真的很不错,喜欢的文本分析公司做多,学校多,学校将回到更基本的研究,了解更深入的学习,为什么取得这么好的成绩,有什么限制,根据我们的了解,将开发新的算法,因为没有创新,更基本的东西更需要将在学校填写和大型公司将启动应用程序。

记者:怎么看这片的国内业务研发人才短缺在这个问题上?

叶音宇:我觉得这个问题是不是人才短缺,而是面向问题。我个人认为,中国学生学习科学和工程学都很强,但他们总是追逐最时髦的,我认为这种趋势必须改变。也许就像刚才说的,AI不那么火了几年,所以我觉得学生还是要打好基础,我非常赞成这种教育的,不AI走的是参与,或从事机学习或任职,也统计数字(可)。

此外,科学和工程已成为越来越受欢迎,不仅在中国,而且在美国这样。我们斯坦福大学,最原始的本科学生在艺术与科学学院,现在也去工程,艺术学院的大学生,我认为科学与工程专业的学生有一定的了解,达到,而且不存在任何障碍。事实上,没有什么比一些1 + 1 = 2这些简单来说它更。我记得我们斯坦福大学商学院的院长,也被称为学生听他们的MBA的机器学习班。

蓝灯:在我们学校(佐治亚理工学院)实际上是运筹学的主要部分,包括优化,学习,统计等。我们排名第一的线,我们整个在校学生的10%,在我们部门,寻找在美国很容易的工作发现,将有4-5个普通本科报价毕业后,我们需要建立这样的在该国的机会,让大家知道,这是一个很大的需求。

记者:三艾情况下,两个下来,是不是会带来人才的流动,在行业中的任何变化必须立足于人才流动,如何看待这一趋势?而国内的生产和科研的结合,将人才的新要求?

李:人才是一个非常基本的和非常复杂的问题,如AI这一波火的,就像我是负责我院招生工作的,明显感觉到超过一半的学生想学习人工智能,机器学习,但在其实在其他学科很重要,学生申请立刻变得更少。

我觉得学生们也被媒体,比例越来越高一点点的影响,是不是一个突破,这个比例应该增加,我的感觉是增加太多,很多学生缺乏非常重要的方向,但这些方向也很重要。

学生面试,我们会给他一个说法在这个方向是非常非常重要的,大家都朝这个方向走,我们做了很多开导工作,重新梳理,虽然媒体并没有一个报告,但是你要知道,在未来有可能非常成熟。铺天盖地的媒体宣传,都希望从事AI,但我们做事情都在做,至少对我来说,甚至跟我学深学,学习AI,或者让他学会优化,学校统计,打了坚实的基础。我们有一个叫做炼丹术语,其实,我们是在炼丹,巨大的不确定性。我们希望学生打下坚实的基础,从上到下,从理论到实践,可以是全面的回应。

记者:如何AI的未来发展趋势?

在此之后的事实是很难预测,随着科学技术的发展,其实更多的不是线性的了,但是爆炸,可能会在某些时候有一个突然的进步,这种进步:汪栽酌有些人将跟随解决相关问题的趋势,进而解决成品将保持在某个阶段。

\

虽然这件事情很难预测,但公司需要提高这个东西永远都需要的效率,有什么方法应该用来提高效率,AI的领先技术,绝对是我们现有的方法来帮助他们提高一个。

叶荫榆:我个人认为,肯定会AI发展,也叫不叫AI我不知道。我们想想,其实,AI需要解决的问题,以前不知道的AI,或打电话或需要解决的问题,统计要解决的问题,或计算机来解决这个问题,关键是要为人类服务和提高效率,降低风险,并有大量的数学或数量型工具的应用,这一趋势将越来越强,在这一点上,我说,AI永远不会死,因为它的统计,运筹学是相同的,但它会以另一种说法出现,我认为这是可能的。

另外,我觉得中国的媒体或媒体不必局限于一切,这就是所谓的人工智能AI不叫,关键是要利用它确实是有科学依据的决策。相反,在美国,我们刚刚开了几个人会提到AI,AI在国外根本就没有这个职业,我们的专业是数学,物理,统计,优化,我们的计算机科学专业的学生学习尽可能多的课程。所以在这一点上,我认为这是很容易把一个名字来炒很热,画一条线到它,如果不是非AI。

兰光:我补充一点,我觉得有些思想的本质是必要的,因为在历史上,还因为一个特定的技术,或者普及,也提高了预期,导致它解决所有的问题都非常紧迫。从研究角度,它只是一个名字,真实或坚持一些数据的方式,建模,不要去获得所谓的AI人工智能或者说 。

为什么这么火AI在中国,我觉得可能在我们民族的浪漫主义的意义上,我们认为AI的。有什么可以做,有这样的感觉,当我们看到一个小动画,有这种民族情感,和许多美国人的实际数量。

雷锋网(公开号:雷锋网)后续将提供演讲的全文,并组织蓝色辉煌教授,博士。陈曦专访文章,敬请关注。


本文链接:集齐叶荫宇、蓝光辉、陈溪、李建、王子卓的大牛圆桌会,关于算法优化他们都聊了什么

友情链接: 经文 大悲咒注音 心经唱诵
网站地图
移动互联网版权所有   苏ICP备18043316号