1 Xinzhiyuan Derlemesi 1
Boston'da Derin Öğrenme Zirvesi, 12-13 Mayıs 2016
Video adresi:
1. Michigan Üniversitesi Bilgisayar Bilimleri Yardımcı Doçenti Honglak Lee ile röportaj
Honglak Lee, Michigan Üniversitesi Bilgisayar Bilimleri ve Mühendisliği Bölümü'nde yardımcı doçenttir. Doktora derecesini 2010 yılında Stanford Üniversitesi'nden Profesör Andrew Ng'nin himayesinde Bilgisayar Bilimleri alanında aldı. Araştırma ilgi alanları derin öğrenme, denetimsiz, yarı denetimli ve denetimli öğrenme, aktarım öğrenimi, grafik modelleri ve optimizasyonu içeren makine öğrenimidir. Ayrıca bilgisayarla görme, ses tanıma, robot algılama ve metin işlemedeki uygulama sorunları üzerinde çalışıyor. Araştırması, ICML (2009) ve CEAS (2005) 'de en iyi makale ödüllerini kazandı.
2. Yoshua Bengio: Derin Öğrenme Çerçevesi
Yoshua Bengio, 1991 yılında McGill Üniversitesi'nden bilgisayar bilimi alanında doktora, MIT ve ATT Bell Laboratuvarlarında doktora sonrası, Kanada Montreal Üniversitesi'nde bilgisayar bilimi profesörü, istatistiksel öğrenme algoritmaları başkanı, NSERC başkanı, CIFAR araştırmacısı, NIPS Vakfı yönetim kurulu üyesi vb. . İki kitap ve 300'den fazla yayın yayınlandı. En çok alıntı yapılan alanlar derin öğrenme, regresyon ağı, olasılık öğrenme, doğal dil ve çeşitli öğrenmedir. En çok alıntı yapılan Kanadalı bilgisayar bilimcilerinden biridir ve makine öğrenimi ve sinir ağları üzerine en iyi dergilerin yardımcı editörü olarak görev yaptı.
3. Derin öğrenme için enerji tasarrufu sağlayan hızlandırıcılar oluşturun
Vivienne Sze, MIT; Chen Xinxing, MIT
Derin öğrenme hayatımızda gittikçe daha yaygın hale geldikçe, öngörülebilir çok sayıda hesaplamayı desteklemek için daha iyi donanım altyapısına ihtiyacımız var. Özellikle, mevcut CPU ve GPU sistemlerinin yüksek enerji tüketimi, daha büyük ölçekli derin öğrenmeyi engeller.Bu nedenle, özel bir derin öğrenme hızlandırıcısı bu sorunu çözmenin anahtarı olacaktır. Bu konuşmada, birçok derin öğrenme algoritmasının temel taşı olan Eyeiss adlı Deep Convolutional Neural Networks (CNN) için yaptığımız enerji tasarrufu hızlandırıcıyı tanıtacağım. Eyeriss, en gelişmiş derin CNN'yi desteklemek için yeniden yapılandırılabilir. Hızlandırıcı ile ana bellek arasındaki ve hızlandırıcının bilgi işlem yapısı içindeki veri aktarımını en aza indirmeye odaklanır.Mevcut mobil GPU ile karşılaştırıldığında, 10 kat daha fazla enerji verimliliği sağlayabiliriz.
4. Fizik Sezgisel Öğrenme Örnekleri
Adam Lerer, Facebook mühendisi
İnsanlar, nesnelerin durağanlığı, yerçekimi ve sezgisel fizik gibi bebeklik döneminde "sağduyu" görme kavramlarını anlar. Örneğin, bebekler yapı taşlarıyla oynayarak dünyanın fiziksel davranışları hakkında önsezi edinebilirler. Derin sinir ağları birçok bilgisayarla görme görevinde çok iyi performans göstermiş olsalar da, daha karmaşık akıl yürütme ("bir sonraki sahnede ne olacak?" Gibi) fiziksel dünyanın davranışını anlamayı gerektirir. Bu sezgisel fiziği öğrenmek için derin ileri modelleri inceliyoruz. Küçük yapı blokları oluşturmak ve kararlılığını doğru bir şekilde tahmin etmek için büyük bir evrişimli ağ modeli eğitmek için bir 3B oyun motoru kullanıyoruz. Bu model yeni fiziksel sahnelere ve gerçek görüntülere genişletilebilir.
Diğer önemli videolar
Video Gündem: Nervana Systems #reworkDL
Urs Köster, Nervana Sistem Mühendisi
Yoshua Bengio ile röportaj
Yoshua Bengio, Kadrolu Profesör, Montreal Üniversitesi
Yedek parçaların tanımlanması için endüstriyel güçte borular
Nashlie Sephus, PartpicCTO
Derin öğrenme uygulamaları: şimdi ve gelecekte
Hugo Larochelle, Twitter Araştırmacısı
Derin öğrenme ve analitik ifade
Honglak Lee, Yardımcı Doçent Doktor, Bilgisayar Bilimleri, University of Michigan
Klinik araştırma: yapay zeka sağlık sonuçlarını iyileştiriyor
Alejandro Jaimes, AiCure Baş Bilim Adamı CTO'su
PANEL: Yapay zekanın işletmelerde pratik uygulaması
Kathryn Hume, Fast Forward Labs; LeonardD'Avolio, Cyft; Yuri Ivanov, Rethink Robotics
3D derin öğrenme ve robot algısı
Jianxiong Xiao, Yardımcı Doçent, Princeton Üniversitesi
Derin inanç ağının iki katmanlı muhakemesi
Tony Jebara, Araştırma Makine Öğrenimi Direktörü, Netflix
Hareketli video nesnesi algılama
Adham Gazali, ImageryCEO
Biyoçeşitliliğin korunmasında derin öğrenme
David J. Klein, ConservationMetrics'in Baş Yapay Zeka Geliştiricisi
Yapay zeka ana veritabanı
Mark Hammond, BonsaiCEO
Kokteyl Partisi Problemi: Konuşma Segmentasyonunun Derin Kümelenmesi
John Hershey, Mitsubishi Electric Araştırma Laboratuvarı Baş Bilimcisi
Byte2vec ve doğal dil işlemedeki uygulaması
AYLIEN'in kurucusu ve CEO'su Parsa Ghaffari
Derin öğrenmenin biyolojik temeli: karar ağı
Nathan Wilson, NaraLogics'in kurucu ortağı ve CTO'su
Doğal dil anlatımı ve akıl yürütme için derin öğrenme
Andrew McCallum, Direktör, Amherst Üniversitesi Veri Bilimi Merkezi
Anahtar sözcük aramadan daha fazlası: İş adaylarını bulmak için CV2Vec kullanın
Byron Galbraith, Baş Veri Bilimcisi, Talla
Derin öğrenme ve görüntü tanıma, reklamcılık deneyimini nasıl değiştirebilir?
Cambron Carter, GumGum Görüntü Bilimcisi
Facebook ürünleri için derin öğrenme
Andrew Tulloch, Facebook Araştırma Mühendisi
Derin öğrenme ölçeği
Urs Köster, Nervana Sistem Mühendisi
Günlük ekipmanı sağlık sensörlerine dönüştürün
Affectiva'nın araştırma direktörü Daniel McDuff. Tejas Kulkarni, MIT; Olexandr Isayev, Kuzey Carolina Üniversitesi; Aditya Khosla, MIT; Nanette Byrnes, MIT Technology Review
Kısa vadede derin öğrenmeyi olabildiğince büyük hale nasıl getirebilirim?
Tejas Kulkarni, MIT; Olexandr Isayev, University of North Carolina; Aditya Khosla, MIT; Nanette Byrnes, MIT Technical Review
Londra Derin Öğrenme Zirvesi, 22-23 Eylül
Video adresi:
1. Imperial College London'da Bilişsel Robotik Profesörü Murray Shanahan ile röportaj
Murray Shanahan, Imperial College London Bilgisayar Bilimleri Bölümü'nde Nörodinamik ekibine liderlik eden Bilişsel Robotik Profesörüdür. Imperial College ve Cambridge Üniversitesi'nden (King's College) mezun oldu ve 2006'da tam zamanlı profesör oldu. Çalışmaları arasında yapay zeka, robotik, mantık, güç sistemleri, hesaplamalı sinirbilim ve zihin felsefesi yer alıyor. Murray Shanahan ayrıca Ex Machina filminin bilimsel danışmanıdır ve medyada düzenli olarak yapay zeka ve robotik hakkında makaleler yayınlamaktadır. "Embodiment and the Inner Life" kitabı Oxford University Press tarafından 2010 yılında yayınlandı ve son kitabı "The Technological Singularity" ("Technical Singularity") Ağustos 2015'te MIT Press tarafından yayınlandı.
2. BenMedlock, SwiftKey kurucusunun konuşması
SwiftKey, en çok doğru otomatik düzeltme ve giriş tahmini elde etmek için kullanıcıların yazma alışkanlıklarından öğrenebilen akıllı giriş yöntemi teknolojisi ile tanınır. Şu anda 2,5 milyondan fazla cihaz SwiftKey'in giriş yöntemi hizmetini kullanıyor. Swiftkey, Wired dergisi tarafından Londra'nın en sıcak girişimi seçildi, Fast Company tarafından dünyanın en yenilikçi şirketleri listesinde ilk beş arasında yer aldı ve yenilikçi ürünleriyle bir dizi ödül kazandı. Ben Medlock, Durham Üniversitesi'nden bilgisayar bilimi alanında lisans derecesine ve Cambridge Üniversitesi'nden doğal dil ve bilgi işleme alanında doktora derecesine sahiptir. SwiftKey'in kurucu ortağı ve CTO'su olan Ben Medlock, akıllı telefonlar ve tabletler için akıllı klavyeler icat ederek dokunmatik ekranlarda yazma şeklini değiştirdi. SwiftKey'in misyonu, herkesin mobil cihazlarda içerik oluşturmasını ve iletişim kurmasını kolaylaştırmaktır.
3. Veri yanılsaması: derin öğrenmeyi demokratikleştirmenin zorluğu
Ders: Neil Lawrence, Makine Öğrenimi ve Hesaplamalı Biyoloji Profesörü, Sheffield Üniversitesi
Derin öğrenmenin çeşitli alanlarda elde ettiği başarılar dizisi, yapay zekada yeni bir devrim olarak selamlanıyor. Yapay zekanın satrançta Kasparov'u Go'da Lee Sedol'u yenmesi 20 yıl sürdü. Ama bu sefer gerçek ilerleme nedir? Temel değişiklik, verilerin mevcudiyeti ve hesaplamaların gerçekleştirilebilirliğidir ve temel teknolojisi son 20 yılda fazla değişmemiştir. Peki bu tıp ve sağlık alanları için ne anlama geliyor? Algoritmanın veri geçerliliğini iyileştirmek ve modelin tahmin yeteneği ile kişisel mahremiyet arasındaki dengeyi korumak hala büyük zorluklar yaratmaktadır. Bu konuşmada, bu zorlukları gözden geçirecek ve bazı geliştirme yönleri önereceğiz.
Diğer önemli videolar:
Derinlemesine pekiştirmeli öğrenmeyi güçlendirmek için sembolik akıl yürütme kullanın
Murray Shanahan Bilişsel Robotik Profesörü, Imperial College London
Kaynak kodu özet sınıflandırması için CNN kullanın
Eiso Kant, {d} kaynağının kurucu ortağı ve CEO'su
Derin öğrenme örnekleri
Ingmar Posner, Mühendislik Bilimi Doçenti, Oxford Üniversitesi
Bilgisayarla görmede özel görevleri öğrenmenin etiket darboğazıyla başa çıkmak
Alex Dalyac, Tractable'ın kurucu ortağı ve CEO'su
Müşterileri daha iyi anlamak ve onlara yanıt vermek için yapay zeka oluşturun
Edward Challis, re: infer'in kurucu ortağı ve CEO'su
Kuruluşta derin öğrenmenin etkisini teşvik edin
Arjun Bansal, Başkan Yardımcısı ve NervanaSystems Algorithm'in Kurucu Ortağı
Sanatsal stil değişiklikleri, sinir grafiti ve doku sentezi
Dmitry Ulyanov, Skolkovo Teknoloji Enstitüsü'nde Doktora
Derin öğrenme kullanarak yüz ifadesi analizi
Hongying Meng, Brunel Üniversitesi'nde Öğretim Asistanı
Duygusal konuyu kontrollü dünyanın dışına çıkarın: derin öğrenmenin zorluğu
UCL'de Duygusal Hesaplama Profesörü Nadia Berthouze
Otonom robotlar ve yapay zeka kullanarak 3B baskı
DağhanÇam, AI Build CEO'su
Özelleştirilmiş bir kavram haritası girin: Yapay zekayı bilimsel bilgiye hakim olmak için teşvik etmenin bir yolu
Victor Botev, IrisAI CTO
Yüz Modalitesi Tanıma için Koşullu Evrişimli Sinir Ağı
Tae-Kyun (T-K) Kim, Doçent, Imperial College London
Derin izleme
Peter Ondrúka, Robotikte Doktora, BlueVision Laboratuvarı, Oxford Üniversitesi
Gıdada Layer Cake-AI
Viktor Taranenko, WhiskCTO
Gömülü cihazlar için derin öğrenme: gizlilik koruması yüksek hassasiyetli mobil tıbbi araçlar
Nic Lane, UCL'de Doçent
AI, ilaç keşif modelini değiştiriyor
John Overington, Benevolent.ai'de Biyoinformatik Direktörü
NVIDIA'nın derin öğrenme işi
Jack Watts, NVIDIA; Derek Wise, Benevolent.ai
Evrişimli sinir ağı ile diyabetik retinopatinin saptanması
Jeffrey de Fauw, Google DeepMind'de Araştırma Mühendisi
Derin Öğrenmenin Kurumsal Uygulamasının Zorlukları
Armando Vieira, Baş Veri Bilimcisi, BupaGlobal
Otomatik kodlama Blade Runner (Blade Runner)
Terence Broad, Goldsmiths Sanatçı ve Araştırma Mühendisi, Londra Üniversitesi
Makine görünmez şeyleri görebilir mi?
Miriam Redi, Bell Labs Bilim İnsanı
Kısa vadede derin öğrenmeyi olabildiğince büyük hale nasıl getirebilirim?
Shaona Ghosh, Oxford Üniversitesi; Amir Banifatemi, XPRIZE; Simon Edwardsson, Aipoly; Will Heaven, New Scientist
UCL'de Duygusal Hesaplama Profesörü Nadia Berthouze ile röportaj
Finans Londra Zirvesi'nde Derin Öğrenme, 23 Eylül
Video adresi:
1. Gerçek zamanlı piyasa tahmini için derin sinir ağlarını kullanın
Diego Klabjan, Northwestern Üniversitesi Profesörü
Piyasanın karmaşıklığından dolayı, piyasa oynaklığı tahmini birden fazla finansal aracı da dikkate almalıdır. Bu doğal karmaşıklık binlerce olası özelliği içerir, bu nedenle derin sinir ağları için uygundur. 40'tan fazla vadeli işlemin 5 dakikalık ara fiyat değişikliklerine derin bir forward ağı uyguladık. Bu durumda, derin sinir ağının performansı geleneksel modelden çok daha iyidir ve makul ticaret stratejilerine dayanan geriye dönük testler, PL ve Sharpe endeksinde bir artış olduğunu gösterir.
2. Finansal işlemlerde derin öğrenme
Hitoshi Harada, AlpakaCTO
Finansal hizmetler alanında derin öğrenmenin pek çok potansiyel uygulaması vardır.Alpaca bazılarını çözmüş ve finansal işlemlere uygulanan derin öğrenmeye odaklanmıştır. Bu derste, teknolojimizin deneylere ve ürünlere uygulanmasındaki bazı bulguları tartışacağız.
3. Ürün araştırması: finans alanında makineler ve insan zekası
Peter Sarlin, Doçent, Hanken School of Economics
Finansal alanda yapay zeka ve derin öğrenme, son birkaç yılda büyük ilgi gördü. Bu konuşma, finansal zorluklara, İnternet'e ve haberlere uygulanan makine öğrenimi konusundaki çalışmalarımızı tanıtıyor. Sistemik riskleri belirlemek, tehlike sinyallerini bulmak için mikro ve makro finansal dengesizlikleri ölçmek ve iflas haberlerinden çıkarılan derin öğrenme metin verileri ile finans piyasaları arasındaki ilişkiyi keşfetmek için ağ analizi yapmak için makine öğrenimini kullanıyoruz.
4. Derinlemesine portföy teorisi
GreyMaths'te Veri Bilimcisi Jan Hendrik Witte
Klasik portföy optimizasyonuna derin öğrenmeyi uygulayarak, klasik portföy teorisinde görünmeyen doğrusal olmayan özelliklerin nasıl yakalanacağını (veya "öğrenileceğini") gösteriyoruz. Endeks izleme ve kıyaslama satın almanın erken aşamadaki verimliliğini artırmak için kodlama, kalibrasyon, onay ve doğrulama olmak üzere bağımsız dört aşamalı bir süreç geliştirdik.
Diğer önemli videolar
FinBot - muhasebe, bankacılık vb.
Christine Ng, Gupshup Yöneticisi
Tek bir algoritma hepsini kaydeder
AimBrain'in kurucu ortağı Alesis Novik
Derin öğrenme reformları finans ve gayrimenkul sektörlerinde yönetimi nasıl belgeler?
Dan Wucherpfennig, LEVERTON
Yumuşak beceriler ve kişisel makineler: yapay zeka oyunu nasıl değiştiriyor
Alexander Del Toro Barba, Ürün Pazarlama Müdürü, Görsel Yelek
Finans alanında blockchain kullanımı
Josep Grau Miró, Dijital İnovasyon Proje Yöneticisi, Caixa Bank
Oak Tree: Finansal Sağlık Koçunuz
Oaktree'nin kurucu ortağı Niall Bellabarba
Berlin Machine Intelligence Summit 29-30 Haziran 2016
Video adresi:
1. GPU hızlandırmalı derin öğrenmenin sınırsız bilgi işlem gücü
Axel Koehler, Baş Çözüm Mimarı, NVIDIA
NVIDIA, derin öğrenmeyi hızlandırmada her zaman bir öncü olmuştur ve uzun yıllardır derin öğrenme yazılımı, kitaplıkları ve araçlarının geliştirilmesinde derinden yer almıştır. Günümüzün derin öğrenme çözümleri, görüntü, el yazısı ve konuşma tanıma gibi zorlu görevleri eğitmek ve hızlandırmak için neredeyse tamamen NVIDIA GPU'ların hızlandırılmış hesaplamasına dayanmaktadır. Bu sunum, derin öğrenmeye adanmış dünyanın ilk sistemi olan NVIDIA®DGX-1 'e özel dikkat gösterilerek, NVIDIA'nın derin öğrenmedeki en son donanım ve yazılım gelişimini özetleyecektir. Yazılım yığını, derin sinir ağlarının (DNN) hızlı tasarımı için NVIDIA Deep Learning SDK, DIGITS GPU eğitim sistemi, sürücüler ve CUDA® gibi büyük derin öğrenme çerçevelerini içerir.
2. Tıbbi görüntülemenin kalitesini, değerini ve kullanılabilirliğini iyileştirin
Kilian Koepsell, BayLabs'ın Kurucu Ortağı ve CTO'su
Tıbbi görüntülemenin hayat kurtaran kullanımı daha fazla kişiye nasıl getirilir? Bay Labs, derin öğrenme ve ultrasonu birleştirerek bu misyonu sürdürüyor. Ultrason ve derin öğrenmenin birleşimi tıbbi koşulları değiştirme potansiyeline sahiptir. Bu konuşmada ekip üyelerimizin çalışmalarını tanıtacak ve şimdi dokunulabilecek gelecek için potansiyeli göstereceğim. Son olarak, Bay Labs, derin öğrenme teknolojimizin gerçekleştirdiği tıbbi görüntüleme teknolojisini ona en çok ihtiyaç duyan insanlara ulaştırmak için çalışacak.
Doğal dil arayüzü: Vaka bazlı muhakeme kullanın
Tina Klüwer, parlamind CTO
Ulaşım endüstrisinde derin öğrenmeyi kullanarak insan otomasyonu zorlukları
Juris Puce, KleintechCTO
Otonom araçlarda bilişsel sistemler
Daniel Göhring, Güç Robotları ve Otonom Araçlar Profesörü, Free University of Berlin
Quadcopter'ın görsel kontrolünü gerçekleştirin
Davide Scaramuzza, Robotik Profesörü, Zürih Üniversitesi
İlaç keşfi için derin öğrenme
Polina Mamoshina, Insilico Tıbbi Araştırma Bilimcisi
Chatbot'lar neden daha iyi chatbotlar yapılacağı konusunda hayal kırıklığı yaratıyor
LastMile'ın kurucu ortağı Alexander Weidauer
Konuşma tanıma için derin öğrenme
Sébastien Bratièresat dawin gmbh, PhD, Cambridge Üniversitesi
Bilişsel robotun anlamsal ortamı öğrenme algısı
Sven Behnke, Bilgisayar Bilimleri Bölüm Başkanı, Bonn Üniversitesi
Tahmine dayalı analize dayalı akıllı enerji yönetimi
Rolf Behrsing, ÜberEnergy CEO'su
Öğrenme sohbetinin anlamsal sunumu
Marius Cobzarenco, re: infer'in kurucu ortağı ve CTO'su
Müziğin geleceği: bir giriş
Ivan Yamshchikov, Mugert
Sensör sinir ağı
Gilles Backhus, KONUX makine öğrenimi mühendisi
Klinik tersine mühendislik ve RNN modelinin tahmin sonuçları
David Camacho, GeneHolisticsCEO
İnsan işiyle daha iyi eşleşen makine zekası
Mihai Rotaru, Textkernel Ar-Ge Başkanı
Robot görev planlama ilerlemesi
Jeremy L Wyatt, Robotik ve Yapay Zeka Profesörü, Birmingham Üniversitesi
Konuşma tanıma için DNN, regresyon LSTM sinir ağı ve gizli Markov modelinin kombinasyonu
Gerhard Rigoll, Münih İnsan-Makine İletişimi Enstitüsü'nde Profesör
İnsan-makine işbirliği en güzelini bulur
EyeEm Ar-Ge Departmanı Direktörü Appu Shaji
Derin öğrenmeyi kullanarak manzaralı rotalar oluşturmanın yeni bir yolu
Johannes Schöning, Bilgisayar Bilimleri Profesörü, Hasselt Üniversitesi
Kaynak kodu özet sınıflandırması için CNN kullanın
Vadim Markovtsev, kaynakta kıdemli makine öğrenimi mühendisi {d}
Makine anlama dili: makine nasıl öğrenir?
Marie-Francine Moens, Leuven Üniversitesi Profesörü
AI yaratıcılığı
J. Paul Neeley, Yossarian'ın kurucu ortağı ve CEO'su
Makine zekasına yatırım yapmanın zorlukları ve fırsatları
Fabian Westerheide, Asgard; Jason Kingdon, Blue Prism; Jason D.Whitmire, BlueYard
Eksiksiz bir AI ziyafeti için lüks konuk kadrosu
Yeni Zhiyuan Think Tank Dean Yuvarlak Masa Forumu'nda 7 Dekan bir araya geldi
2016 Dünya Yapay Zeka Konferansı Teknoloji Forumu, özel olarak "Xinzhiyuan Düşünce Tankı Dekanının Yuvarlak Masa Toplantısı" nı kurdu ve ağır sıklet araştırma enstitüsünün dekanı 8 sent denizi geçerek en son yapay zeka araştırma eğilimlerini getirdi ve teknoloji geliştirme eğilimlerini analiz etti.
Yapay zeka endüstrisindeki sekiz "usta" olay yerinde oynadı. Fikirlerin şiddetli çarpışması, yapay zekanın mevcut gelişimine hangi içgörüleri getirecek? Sekiz dekan, sektörün gelişimi hakkında ne gibi öngörü ve sırlara sahip olacak? 2016 Dünya Yapay Zeka Konferansı Teknoloji Forumu 18 Ekim öğleden sonra cevap katman katman açıklanacak.
Xinzhiyuan Düşünce Tankı Dekanı'nın yuvarlak masa toplantısı, Çin'in yapay zeka endüstrisi, akademisi ve araştırmasının en lüks dekanlarını bir araya getiriyor: Meituan Teknoloji Enstitüsü Dekanı Liu Jiang, Microsoft Asya Mühendislik Enstitüsü Dekanı Liu Zhen ve IBM Çin Araştırma Enstitüsü Dekan Yardımcısı Shao Ling. , 360 Yapay Zeka Araştırma Enstitüsü Dekanı Yan Shuicheng, Pekin Teknoloji Enstitüsü Bilgisayar Bilimleri Fakültesi Dekan Yardımcısı Huang Hua, Intel Çin Araştırma Enstitüsü Dekanı Song Jiqiang ve Xinhua Net Financial Media Gelecek Araştırma Enstitüsü Dekanı Yang Ming katıldı.
2016 Dünya Yapay Zeka Konferansı Teknoloji Forumu Gündemi
Bilet satın almak için QR kodunu tarayın: Bilet satın alma bağlantısı: Doğrudan bilet satın almak için "Orijinal metni oku" yu da tıklayabilirsiniz
Biletleme iletişim 13240236748