在我们将深度学习技术大规模地工业化应用在搜索、推荐、广告等淘宝核心场景时，面临着包括深度学习算力、端到端算法迭代效率、算法多样性解决方案等诸多挑战。要解决这些问题，需要大量的算法和工程架构的联合设计。如何构建高效的端到端深度学习算法平台是一件非常有挑战性的工作。本次分享将会以淘宝搜索推荐广告端到端深度学习平台的构建为案例，对以上问题作出解答。

内容大纲

1. 搜索推荐广告算法工程的挑战
2. 端到端深度学习算法平台的构建
3. 深度学习算力的不断突破
4. 平台与业务迭代效率的持续优化
5. 算法解决方案的多样化生态

听众受益

• 了解机器学习在搜索推荐广告领域的演化和前沿挑战
• 了解构建大规模端到端深度学习平台的工程实践

伴随着业务的不断发展，业务策略迭代成本越来越高，开发周期越来越长。这个时候一个能够模拟现实环境的仿真平台就非常必要，一方面可能不用进行线上开发，就可以进行策略效果的验证。另一方面能够测试不同的策略本身的优劣，可以更全面的进行策略验证。但是怎么准确预测司机的行为被改变以后，后续的行为变化，就是一个非常难的问题。

在这一块我们尝试了强化学习的机制，来对司机的行为进行预测，突破了小样本学习的难题，并取得了不错的效果，通过算法模拟的司机行驶路径和司机实际路径基本一致。

在本次分享中，我们将会大家介绍下滴滴代驾搭建一个完整的仿真平台的具体实践以及核心设计思路。

演讲大纲

1. 仿真平台架构介绍
2. 司机行为模拟功能模块设计
3. 司机行为模拟的强化学习应用
4. 困难和挑战总结

听众受益

• 滴滴代驾仿真平台介绍，了解如何搭建一个完整的代驾仿真平台
• 了解强化学习技术在派单流程模拟中的应用

本次分享将通过对昇腾所提供的统一架构计算框架（CANN）的简要讲解，给听众展示神经网络计算框架下的软件架构，讨论软硬协同性能优化的设计理念，帮助听众在实战中更好地压榨处理器的性能。

演讲大纲

1. 从软件到硬件：深度学习软件栈概览
2. 统一计算框架CANN
3. 达芬奇架构加速原理
4. 性能优化实战
   • 关于算子
   • 关于整图
   • 关于并行
5. 快速提升小诀窍
   • 关于数据类型和形状
   • 关于L2 Buffer
6. AI enable AI：软硬协同的未来

听众收益

1. 帮助听众理解深度学习模型在加速芯片上的执行原理
2. 帮助听众掌握深度学习模型的性能优化方法
3. 展望软硬协同芯片设计与应用优化的未来发展方向

智能虚拟人拥有真人外表，并具有与真人进行面对面地交谈的能力。交谈过程中，智能虚拟人不仅具有言语的交流能力，它还能根据交流的意图，展示相应的面部表情和肢体语言，更重要的是，它还能够模拟人的认知能力，采取恰当的语言和行为策略来维护人际关系，并与人进行情感互动、激发、察觉和回应用户的情绪。 这些能力使得虚拟人有可能服务于教育培训、医疗和各类公共服务行业。

本次演讲将介绍智能虚拟人算法系统架构、前沿技术现状和挑战，以及落地应用案例。

演讲大纲

1. 背景介绍：介绍国内外数字虚拟人的发展状况
2. 问题定义：多学科和高复杂度融合
3. 难点分析
4. 解决方案
   • 算法系统架构
   • 前沿技术现状
   • 技术挑战
5. 应用案例
6. 技术和应用展望

听众收益

• 理解数字虚拟人发展历史、现状和将来
• 了解当前技术已解决的问题和可行的应用场景
• 亟待解决的技术难点和潜在的应用场景