赛灵思2019年度的最大活动：赛灵思开发者大会（Xilinx Developer Forum, XDF）即将拉开帷幕。一个前所未有的开发者与专家思想与观点，创意与方案亲密接触的平台；75 场行业观点、尖端技术和前沿应用相关的技术论坛；20 多个小时，为期两天的手把手开发者实验室；上百名全球意见领袖、技术专家云集一堂。在这里，您可以一站式领略全球各地领先企业基于赛灵思的AI、数据中心， 5G、工业、汽车等众多领域各种最新创新成果展示。XDF Americas已于10月1日至2日在硅谷召开，XDF Europe将于11月12至13日在荷兰海牙召开, XDF Asia将于12月3至4日在北京国家会议中心召开。
北京站的学术大咖现在隆重揭晓：
01
刘铁岩博士
刘铁岩博士，微软亚洲研究院副院长，IEEE会士， ACM杰出科学家，卡内基梅隆大学（CMU）、清华大学、诺丁汉兼职教授。他的先锋性研究促进了机器学习与信息检索之间的融合，被公认为“排序学习”领域的代表人物。近年来在深度学习、分布式学习、强化学习等方面也颇有建树。他在顶级会议和期刊上发表论文200余篇，被引用数万次。他担任了WWW/WebConf、SIGIR、KDD、ICML、NIPS、IJCAI、AAAI、ACL、ICTIR等顶级国际会议的程序委员会主席或领域主席，以及ACM TOIS、ACM TWEB等知名国际期刊副主编。他多次获得最佳论文奖、最高引用论文奖；并获得Springer计算机类图书十大华人作者奖、Elsevier 计算机领域最高引中国学者奖、中国计算机学会青竹奖、中国AI英雄风云榜技术创新人物奖，AMiner全球最具影响力学者奖（信息检索领域，2007-2017）。他的团队于2017年发布了LightGBM，成为了在Kaggle与KDD Cup中最受欢迎的机器学习工具，帮助微软在2018年在机器翻译领域首次达到人类水平，并在2019年WMT机器翻译竞赛中获得8项冠军。
报告题目：Low-resource Machine Learning （低资源消耗的机器学习）
摘要：尽管AI在近年来已经取得了很多突破，但是主流AI技术仍然十分依赖于大量的人工标注训练数据与计算资源，这也提高了AI研究领域与工业界的进入门槛。我们是否真的需要那么多标注数据和计算资源来训练一个想要的算法模型呢？在本报告中，我们将给出我们的答案：算法创新可以有效帮助我们减少对于数据和计算资源的依赖。特别地，我们将介绍我们最近的研究工作，包括能够利用AI任务的结构二重性来有效地从未标注数据中学习到高效的算法模型的Dual learning，使用新的数据采样、并行化技术将最新的GBDT算法加速一个量级的LightGBM，以及能够将语音生成加速270倍的FastSpeech技术。通过这些例子，我们希望AI社区能够更加关注算法创新，而不是单纯依靠添加更多数据与更多计算。
02
杨殿阁教授
杨殿阁博士，清华大学车辆与运载学院院长，教授，博士生导师，“万人计划” 领军人才，清华大学车辆动态测控技术领域的学术带头人，参与国家智能网联汽车技术路线图编写，承担国家发改委、科技部、工信部智能汽车相关规划及政策咨询工作。研究方向包括：智能车辆及无人驾驶、智能交通及车联网、车辆动态测控技术，主要侧重于智能汽车自动驾驶环境感知和自动驾驶地图。作为项目负责人承担国家重点十三五重点专项1项、承担国家自然基金重点项目1项，其他自然基金项目3项，参与重大国际合作课题1项，国家863课题2项，承担其他省部级项目超过30项，共发表文章130多篇，其中SCI/EI检索82篇，获得软件著作权12项，获得授权发明专利超过60项，2010年、2013及2018年获得国家技术发明奖3项，此外还获得省部级一等奖3项，省部级二等奖2项。
报告题目：AI技术驱动自动驾驶
03
张建松博士，阿里巴巴高级专家
张建松博士，阿里巴巴高级专家。他研究兴趣广泛，涉及各个领域的软硬件结合系统设计，包括无线通信，网络，IoT，虚拟/增强现实，移动计算，云计算等多个领域。学术论文发表于Sigcomm、NSDI、Mobicom、Ubicomp、Mobisys等多个系统领域顶级会议，并且获得NSDI 2009 best paper、Mobisys 2015 best paper candidate、NSDI 2019 test of time等奖项。此前在微软亚洲研究院主要从事异构计算系统的研究开发工作，包括基于Catapult平台的云计算加速和完全自主研发的高性能软件无线电系统Sora。2018年1月入职阿里巴巴后，现于阿里巴巴机器学习平台PAI带领异构计算团队做引擎研发工作，重点在面向AI的异构系统，包括异构编译、软硬件联合优化等，帮助阿里巴巴的机器学习平台更好拥抱AI新硬件的时代。异构计算团队依托于PAI长期服务阿里巴巴各种业务的经验，以及在其间积累的对机器学习（深度学习）算法的理解和相关大数据处理的需求，针对性地产出创新性研发成果。除了机器学习平台之外，团队优秀的软硬件一体化研发能力也在助力计算平台事业部其他的团队。
报告题目：阿里巴巴集团AI平台（PAI）与异构计算
摘要：在过去几年，我们成功搭建了阿里巴巴AI平台（Platform of AI，PAI）来支持阿里巴巴集团内部的机器学习训练与推理计算需求，以及阿里云上客户的需求。在2019年云栖大会，我们正式宣布了主要基于PAI的云栖AI平台。在本次报告，我将介绍PAI的构成模块以及我们开发的核心技术。特别地，我将介绍使用多种计算平台的异构计算技术，比如使用FPGA加速的语音生成。此项工作也在Hot Chips 2019会议上进行了介绍。
04
杨植麟博士
杨植麟博士，本科毕业于清华大学计算机系，博士毕业于卡内基梅隆大学（CMU）计算机系与机器学习系，师从苹果公司人工智能研究总监Ruslan Salakhutdinov，研究方向主要包括深度学习与自然语言理解。他曾经在Facebook AI Research与Google Brain工作，与多位图灵奖得主合作。他也是横扫了自然语言处理（NLP）各项榜单的XLNet的作者——在超过30个不同数据上，他的研究都比现有结果有明显提升。
报告题目：XLNet：Generalized Autoregressive Pretraining for Language Understanding
摘要：We propose XLNet, a generalized autoregressive pretraining method that (1) enables learning bidirectional contexts by maximizing the expected likelihood over all permutations of the factorization order and (2) overcomes the limitations of BERT thanks to its autoregressive formulation. Furthermore, XLNet integrates ideas from Transformer-XL, the state-of-the-art autoregressive model, into pretraining. Empirically, under comparable experiment setting, XLNet outperforms BERT on 20 tasks, often by a large margin, including question answering, natural language inference, sentiment analysis, and document ranking.
