Strata Data Conference Beijing教学辅导课 [报告厅议题介绍]

用TensorFlow进行深度学习
TensorFlow是一个流行的开源机器学习库，特别适合进行深度学习。本辅导课会通过实际的例子来介绍机器学习和深度学习。我们会指导参会者自己动手来使用TensorFlow和TensorBoard进行练习。
我们将讲解TensorFlow的基本知识，从矩阵相乘到简单的线性分类器。随后会使用更高层的API（比如layer或estimator）构建一个深度神经网络。我们还会讲解数据准备的技术以及浏览一下最新的开源的研究模型。
最后，我们会讨论一下如何在生产系统上使用TensorFlow Serving来部署模型。TensorFlow Serving是一个高性能的开源服务系统，专门设计来运行通过机器学习得到的模型。
使用Apache Spark和BigDL来构建深度学习驱动的大数据分析
深度学习已经在很多的领域（例如计算机视觉、自然语言处理和语音识别等）取得了顶尖水准的表现，对工业界有极大的潜在应用价值。我们应该注意到深度学习和大数据的联系非常得紧密。首先，深度学习的模型需要使用大量的数据来训练，这就是为什么它直到大数据时代才开始蓬勃发展。其次，现在绝大部分的大数据都是视频、音频和文字数据，非常适合使用深度学习算法来处理。为了能释放深度学习的能力，我们就应该把它运用在大数据的环境里。
工业界已经构建了丰富的大数据生态系统，从分布式数据存储，到高速流计算系统，以及数据处理引擎。Apache Spark就是一个广为人知的大数据处理引擎。它提供了一个完整的框架来统一支持不同的大数据任务（SQL、流计算和机器学习）。大家已经使用它构建了大量的大数据应用。
这就是为什么我们要引入BigDL。BigDL是一个基于Apache Spark的大数据分布式的深度学习框架。它集成了“高性能计算”和“大数据”架构的优点，为Spark提供了原生的深度学习的支持。同时为现成的使用单节点的开源深度学习框架（如Caffeh和Torch）带来了数量级的性能速度提升，并为它们提供了基于Spark架构的对深度学习任务的水平扩展的能力。
在这个教学课程里，我们会介绍BigDL的功能，用例子来展示如何进行开发。我们还会分享我们的用户是如何在他们的深度学习应用（如图像识别、物体检测和自然语言处理等）中采用BigDL的案例。这些案例显示了用户可以使用他们的大数据平台（例如使用Apache Hadoop和Spark）作为一个统一的数据分析平台来进行数据存储、数据处理和挖掘、特征工程、传统的（非深度）机器学习和深度学习等各种任务。
Strata Data Conference北京站已经打开注册系统，阅读原文可浏览截止到目前为止的讲师名单和已经确认的议题，最优惠票价期截止到5月5日为止，尽快注册以确保留位。