活动预告 | GDG AI 嘉年华之机器学习实践：模型加速与数据安全

机器学习实践：模型加速与数据安全

活动时间：9 月 12 日下午 14:00-16:25

直播链接：BiliBili 平台 https://live.bilibili.com/21917305

活动背景：本次活动为 GDG Shanghai AI 嘉年华系列分享之一。

活动日程：

• 14:00-14:05
  开场介绍及抽奖扫码

• 14:05-14:50
  《隐私计算与机器学习》谢翔，矩阵元算法科学家

• 14:50-15:35
  《58同城深度学习平台资源使用率优化实践》陈泽龙，58同城 AI Lab 后端高级工程师

• 15:35-16:20
  《英特尔深度学习低精度量化原理和方法介绍》田丰，英特尔人工智能性能优化团队资深软件工程师

• 16:20-16:25
  公布中奖名单

讲师介绍：

 

谢翔

矩阵元算法科学家

负责公司整体隐私计算技术的预研和产品化，主导设计和开发 Rosetta 开源框架。中国科学院软件研究所可信计算与保障实验室博士，中国科学院软件研究所信息安全国家重点实验室硕士，格密码理论、同态加密、零知识证明、安全多方计算等密码学算法和协议设计的专家。发表论文 10 余篇，曾在密码学的顶尖学术会议 Eurocrypt，CCS 上发表论文。

议题：隐私计算与机器学习

• 隐私计算的技术路径
  

• 密码学与 ML 的结合
  

• 基于 TensorFlow 的隐私计算框架 — Rosetta
  

• 实例演示

 

陈泽龙

58同城AI Lab后端高级工程师 

19 年加入 58 同城，目前主要负责深度学习平台和向量检索平台后台开发相关工作。硕士毕业于中国科学院大学，曾就职于中科院信工所。

议题：58 同城深度学习平台资源使用率优化实践

58 同城深度学习平台基于 Kubernetes 和 Docker 构建，支撑了 58 同城搜索、推荐、图像、NLP、语音、风控等 AI 应用。

本次分享首先介绍如何利用 Intel 开源库 MKL 和开源推理引擎 OpenVINO 提升模型推理性能，然后再分享通过 TensorFlow 模型混合部署、GPU 虚拟化技术、模型推理资源监控告警等提升平台资源使用率。

 

田丰

英特尔人工智能性能优化团队资深软件工程师

主要负责英特尔平台上 TensorFlow 等 AI 框架的性能优化和工具开发工作。

议题：英特尔深度学习低精度量化原理和方法介绍

本课程介绍深度学习推理中低精度量化加速的原理，英特尔提供的软硬件支持。最后通过动手练习，学习使用英特尔低精度优化工具对Tensorflow模型进行量化，从而加速深度学习推理。

— 主办方 —