數據(ju)不足的(de)(de)情況下(xia)，我(wo)們(men)可以利用數據(ju)增強的(de)(de)方(fang)式(shi)進行彌補；訓(xun)練(lian)效率的(de)(de)問題，可以通過預訓(xun)練(lian)模型+遷移(yi)學(xue)習(xi)的(de)(de)方(fang)式(shi)節省訓(xun)練(lian)時(shi)間(jian)；而在整個“煉(lian)丹”的(de)(de)過程(cheng)中，我(wo)們(men)也可以通過超(chao)參推薦實現(xian)自我(wo)優化，減少人工調(diao)參的(de)(de)成本(ben)；同時(shi)加(jia)上靈活的(de)(de)部(bu)署方(fang)式(shi)，可以實現(xian)高精度AI模型一(yi)站式(shi)開(kai)發與(yu)部(bu)署。
在(zai)5月9日晚(wan)7點的高(gao)精(jing)度AI模型(xing)公開(kai)課百(bai)度EasyDL專場中(zhong)，百(bai)度AI開(kai)發平(ping)臺高(gao)級研(yan)發工程師餅干老師，為大家系統講解企業在(zai)AI模型(xing)開(kai)發中(zhong)的難點，以及針對這些(xie)難點，百(bai)度EasyDL專業版又是如何解決的。
1、企業在開發與部署AI模型中面臨的挑戰
2、AI開發平臺EasyDL介紹
3、EasyDL技術原理解析
4、腳本調參和Notebook開發方式介紹
5、EasyDL企業應用案例
6、實操：飲品檢測模型訓練、調優與部署
百度算法大牛講解基于EasyDL訓練并部署AI模型
機器人輔助穿衣通常人工的將衣服附在機器人末端執行器上，忽略機器人識別衣服抓取點并進行抓取的過程，從而將問題簡化
基于行為序列的深度學習推薦模型搭配高性能的近似檢索算法可以實現既準又快的召回性能，如何利用這些豐富的反饋信息改進召回模型的性能
卡扣式裝配廣泛應用于多種產品類型的制造中，卡扣裝配是結構性的鎖定機制，通過一個機器學習框架將人類識別成功快速裝配的能力遷移到自主機器人裝配上。
羅晶博士和楊辰光教授團隊提出，遙操作機器人系統可以自然地與外界環境進行交互、編碼人機協作任務和生成任務模型，從而提升系統的類人化操作行為和智能化程度
專家(查紅彬,陳熙霖,盧湖川,劉燁斌,章國鋒)從計算機視覺發展歷程、現有研究局限性、未來研究方向以及視覺研究范式等多方面展開了深入的探討
音樂科技、音樂人工智能與計算機聽覺以數字音樂和聲音為研究對象，是聲學、心理學、信號處理、人工智能、多媒體、音樂學及各行業領域知識相結合的重要交叉學科，具有重要的學術研究和產業開發價值
Adam 算法便以其卓越的性能風靡深度學習領域，該算法通常與同步隨機梯度技術相結合，采用數據并行的方式在多臺機器上執行
人體姿態估計便是計算機視覺領域現有的熱點問題，其主要任務是讓機器自動地檢測場景中的人“在哪里”和理解人在“干什么”
SIFT、PCA-SIFT、SURF 、ORB、 VJ 等目標檢測算法優缺點對比及使用場合比較
深度學習模型：OverFeat、R-CNN、SPP-Net、Fast、R-CNN、Faster、R-CNN、R-FCN、Mask、R-CNN、YOLO、SSD、YOLOv2、416、DSOD300、R-SSD
大型商用時序數據壓縮的特性，提出了一種新的算法，分享用深度強化學習進行數據壓縮的研究探索
滴滴機器學習場景下的 k8s 落地實踐與二次開發的技術實踐與經驗，包括平臺穩定性、易用性、利用率、平臺 k8s 版本升級與二次開發等內容
