继在纽约和旧金山成功举办（均售罄）后人工智能大会于2018年4月10-13日莅临北京。欢迎加入，学习如何在工作中应用人工智能。

A practical guide towards explainability and bias evaluation in machine learning

Design Thinking for AI

基于深度学习的时间序列预测 (Deep Learning for Time Series Forecasting）

通过自动化机器学习民主化和加速AI落地 (Democratizing and Accelerating AI through Automated Machine Learning)

Sujatha Sagiraju (),

Analytics Zoo: Distributed Tensorflow and Keras on Apache Spark

Building reinforcement learning models and AI applications with Ray

Using deep learning and time-series forecasting to reduce transit delays

与人工智能交互 (Interacting withAI) , ,

Hacking Humans Made Easy: Signal Processing + AI + Video

人工智能对商业及社会的影响 (Impact of AI on Business & Society) ,

AI技术在外卖个性化场景中的落地与思考

ONNX:开放和互操作平台让AI无处不在(AI everywhere: Open and interoperable platform for AI with ONNX)

Prasanth Pulavarthi (),

Exciting new features in TensorFlow 2.0

自动机器学习（automated machine learning）技术的实践与应用

打造A.I.闭环 引领产业变革

The Unreasonable Effectiveness of Transfer Learning on NLP

模型与方法 (Models & Methods) ,

The future of machine learning is decentralized

, 隐私、道德与规范 (Privacy, Ethics, & Compliance)

Efficient Deep Learning for the Edge

模型与方法 (Models & Methods) ,

A Humane AI Solution to Improve Debt Collection

线上财富管理领域中的AI应用

Real-time product recommendations leveraging deep learning on Apache Spark in Office Depot

Forecasting Customer Activities with Dilated Convolution Neural Networks: Use Case and Best Practices

Confidence Estimation for Deep Neural Networks

快速社交 (Speed Networking)

Best practice of building data science platform in

与人工智能交互 (Interacting withAI) ,

ML Ops and Kubeflow Pipeline

AI at : the why, how, and what of a data-driven enterprise

Analytics Zoo: Distributed TensorFlow in Production on Apache Spark

Sparkling: 基于Apache Spark进行一站式机器学习

AVA: a Cloud-Native Deep Learning Platform at Qiniu

Query the planet: Geospatial big data analytics at

保险中的机器学习实践

Achieving Salesforce-Scale Machine Learning in Production

AI in the Newsroom: Helping Authors Do What They Do Best

Using ML for personalizing Food Recommendations

自动驾驶技术是如何应用于新潮传媒、新零售行业

How China Telecom combats financial frauds with Adversarial AutoEncoder?

人工智能病理影像辅助诊断系统——从方法到落地

与人工智能交互 (Interacting with AI) ,

基于目标检测的智能化成矿异常信息提取

在边缘实现深度学习

非监督学习在大规模图谱上的案例应用和开源算法剖析

PAI Tensor Accelerator and Optimizer---Yet Another Deep Learning Compiler

与人工智能交互 (Interacting with AI) ,

Low precision inference on Intel Architecture

快速社交 (Speed Networking)

09:00 - 17:00 Tuesday, April 10 & Wednesday, April 11用TensorFlow进行深度学习Location: TensorFlow是一个流行的深度学习的工具。我们会介绍TensorFlow的流程图、学习使用它的Python API，并展示它的用处。我们会从简单的机器学习算法开始，然后实现神经网络。我们还会讨论一些真实的深度学习的应用，包括机器视觉、文本处理和生成型网络。

09:00 - 17:00 Tuesday, April 10 & Wednesday, April 11用Deeplearning4j框架构建神经网络分析时间序列Location: Secondary topics: 深度学习（Deep Learning）, 金融服务 (Financial Services)在分析时间序列或者序列数据方面循环神经网络（RNN）已经被证明是非常有效的，那么在实际的案例中如何才能把循环神经网络（RNN）的优点发挥出来呐？这里将演示如何用Deeplearning4j框架构建循环神经网络（RNN）来解决时间序列的问题。

09:00 - 17:00 Tuesday, April 10 & Wednesday, April 11人工智能和金融科技：量化金融信用与欺诈风险的评估Location: 您想了解金融企业是怎样利用大数据和人工智能技术来画像个人行为并检测欺诈用户的吗？互联网金融幕后的量化分析流程是怎么杨的？个人信用是怎样通过大数据被量化的？在实践过程中，机器学习算法的应用存在着哪些需要关注的方面？怎样通过图谱分析来融合多维数据，为我们区分正常用户和欺诈用户？ 这套辅导课基于清华大学交叉信息研究院2017年春天新开设的一门"量化金融信用与风控分析”课。其中会用LendingClub的真实借贷数据做为案例，解说一些具体模型的实现。