數據不足的情況下，我們可以利用數據增強的方式進(jìn)行彌補；訓練效率的問(wèn)題，可以通過(guò)預訓練模型+遷移學(xué)習的方式節省訓練時(shí)間；而在整個(gè)“煉丹”的過(guò)程中，我們也可以通過(guò)超參推薦實(shí)現自我優(yōu)化，減少人工調參的成本；同時(shí)加上靈活的部署方式，可以實(shí)現G精度AI模型一站式開(kāi)發(fā)與部署。
在5月9日晚7點(diǎn)的G精度AI模型公開(kāi)課百度EasyDL專(zhuān)場(chǎng)中，百度AI開(kāi)發(fā)平臺G級研發(fā)工程師餅干老師，為大家系統講解企業(yè)在A(yíng)I模型開(kāi)發(fā)中的難點(diǎn)，以及針對這些難點(diǎn)，百度EasyDL專(zhuān)業(yè)版又是如何解決的。
1、企業(yè)在開(kāi)發(fā)與部署AI模型中面臨的挑戰
2、AI開(kāi)發(fā)平臺EasyDL介紹
3、EasyDL技術(shù)原理解析
4、腳本調參和Notebook開(kāi)發(fā)方式介紹
5、EasyDL企業(yè)應用案例
6、實(shí)操：飲品檢測模型訓練、調優(yōu)與部署
百度算法大牛講解基于EasyDL訓練并部署AI模型
機器人輔助穿衣通常人工的將衣服附在機器人末端執行器上，忽略機器人識別衣服抓取點(diǎn)并進(jìn)行抓取的過(guò)程，從而將問(wèn)題簡(jiǎn)化
基于行為序列的深度學(xué)習推薦模型搭配G性能的近似檢索算法可以實(shí)現既準又快的召回性能，如何利用這些豐富的反饋信息改進(jìn)召回模型的性能
卡扣式裝配廣泛應用于多種產(chǎn)品類(lèi)型的制造中，卡扣裝配是結構性的鎖定機制，通過(guò)一個(gè)機器學(xué)習框架將人類(lèi)識別成功快速裝配的能力遷移到自主機器人裝配上。
羅晶博士和楊辰光教授團隊提出，遙操作機器人系統可以自然地與外界環(huán)境進(jìn)行交互、編碼人機協(xié)作任務(wù)和生成任務(wù)模型，從而提升系統的類(lèi)人化操作行為和智能化程度
專(zhuān)家(查紅彬,陳熙霖,盧湖川,劉燁斌,章國鋒)從計算機視覺(jué)發(fā)展歷程、現有研究局限性、未來(lái)研究方向以及視覺(jué)研究范式等多方面展開(kāi)了深入的探討
音樂(lè )科技、音樂(lè )人工智能與計算機聽(tīng)覺(jué)以數字音樂(lè )和聲音為研究對象，是聲學(xué)、心理學(xué)、信號處理、人工智能、多媒體、音樂(lè )學(xué)及各行業(yè)L域知識相結合的重要交叉學(xué)科，具有重要的學(xué)術(shù)研究和產(chǎn)業(yè)開(kāi)發(fā)價(jià)值
Adam 算法便以其卓越的性能風(fēng)靡深度學(xué)習L域，該算法通常與同步隨機梯度技術(shù)相結合，采用數據并行的方式在多臺機器上執行
人體姿態(tài)估計便是計算機視覺(jué)L域現有的熱點(diǎn)問(wèn)題，其主要任務(wù)是讓機器自動(dòng)地檢測場(chǎng)景中的人“在哪里”和理解人在“干什么”
SIFT、PCA-SIFT、SURF 、ORB、 VJ 等目標檢測算法優(yōu)缺點(diǎn)對比及使用場(chǎng)合比較
深度學(xué)習模型：OverFeat、R-CNN、SPP-Net、Fast、R-CNN、Faster、R-CNN、R-FCN、Mask、R-CNN、YOLO、SSD、YOLOv2、416、DSOD300、R-SSD
大型商用時(shí)序數據壓縮的特性，提出了一種新的算法，分享用深度強化學(xué)習進(jìn)行數據壓縮的研究探索
滴滴機器學(xué)習場(chǎng)景下的 k8s 落地實(shí)踐與二次開(kāi)發(fā)的技術(shù)實(shí)踐與經(jīng)驗，包括平臺穩定性、易用性、利用率、平臺 k8s 版本升級與二次開(kāi)發(fā)等內容
