數(shù)據(jù)是人類最重要的財(cái)富之一，拓展了我們洞察客觀世界的能力。伴隨數(shù)據(jù)爆炸增長(zhǎng)和應(yīng)用場(chǎng)景的多樣化，彌補(bǔ)數(shù)據(jù)通向AI的鴻溝，軟件基礎(chǔ)設(shè)施建設(shè)面臨巨大的技術(shù)挑戰(zhàn)。

　　7月11日上午，2020 WAIC·開發(fā)者日特設(shè)「數(shù)據(jù)驅(qū)動(dòng)AI專場(chǎng)」分論壇，邀請(qǐng)英特爾、PingCAP、Apache Kylin、Zilliz等工業(yè)界技術(shù)專家，暢想普惠AI理念，分享如何降低AI項(xiàng)目落地的門檻及成本，提高開發(fā)效率，以及他們所作出的創(chuàng)新嘗試。

　　議題一：Apache Kylin：簡(jiǎn)化大數(shù)據(jù)機(jī)器學(xué)習(xí)

　　李棟，Apache Kylin項(xiàng)目管理委員會(huì)成員，Kyligence 公司初創(chuàng)團(tuán)隊(duì)成員，技術(shù)合伙人兼產(chǎn)品負(fù)責(zé)人，負(fù)責(zé)Kyligence 商業(yè)產(chǎn)品線管理。Apache Kylin 是一個(gè)開源的大數(shù)據(jù)在線分析引擎;Kylin 將傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)理論與大數(shù)據(jù)技術(shù)相融合，為大規(guī)模數(shù)據(jù)提供亞秒級(jí)響應(yīng)的SQL查詢接口，使得交互式分析成為可能，已被許多世界500強(qiáng)企業(yè)大規(guī)模使用。除了用在OLAP領(lǐng)域以外，Kylin還可以應(yīng)用在機(jī)器學(xué)習(xí)中，為機(jī)器學(xué)習(xí)程序提供自助的數(shù)據(jù)服務(wù)。與Auto Machine Learning技術(shù)聯(lián)合使用，用戶無(wú)需精通大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)，就可以實(shí)現(xiàn)自動(dòng)化的預(yù)測(cè)分析，讓大數(shù)據(jù)機(jī)器學(xué)習(xí)的門檻更低，賦能各級(jí)分析人員使用高級(jí)分析能力。

　　議題二：開源生態(tài)助力智能制造--基于英特爾?架構(gòu)的AI實(shí)踐

　　臧戰(zhàn)，英特爾AI技術(shù)解決方案專家，現(xiàn)就職于英特爾AI TSS技術(shù)團(tuán)隊(duì)，專長(zhǎng)于機(jī)器視覺、時(shí)間序列以及各種機(jī)器學(xué)習(xí)算法。他會(huì)介紹英特爾在AI領(lǐng)域的開源貢獻(xiàn)和優(yōu)化工作，以及怎樣利用英特爾開源軟件建設(shè)典型的端-邊-云智能工廠架構(gòu)。

　　議題三：基于Milvus的非結(jié)構(gòu)數(shù)據(jù)服務(wù)平臺(tái)

　　顧鈞，Zilliz的合伙人、技術(shù)布道師，LF AI基金會(huì)，技術(shù)咨詢委員投票成員。據(jù)統(tǒng)計(jì)，未來(lái)80%的數(shù)據(jù)都屬于非結(jié)構(gòu)化數(shù)據(jù)，而深度學(xué)習(xí)已成為處理非結(jié)構(gòu)化數(shù)據(jù)的標(biāo)準(zhǔn)。在過(guò)去，開發(fā)者偏重于算法與模型方向，但隨著這些模型還有算法的成熟，AI的痛點(diǎn)逐漸轉(zhuǎn)移到如何在海量的向量里面進(jìn)行高速的分析搜索，而Milvus就是在工具鏈上的高速向量搜索引擎。本次演講，將詳細(xì)介紹：AI行業(yè)現(xiàn)狀;Milvus簡(jiǎn)介;案例與使用場(chǎng)景;開源如何助力基礎(chǔ)軟件。

　　議題四：HTAP是什么，為什么我們需要HTAP

　　馬曉宇，PingCAP實(shí)時(shí)分析產(chǎn)品負(fù)責(zé)人，目前負(fù)責(zé) TiDB 列存引擎 TiFlash 的研發(fā)。隨著數(shù)據(jù)業(yè)務(wù)交易和分析邊界不斷模糊，實(shí)時(shí)性需求不斷增加，HTAP 變成了一個(gè)越來(lái)越重要的探索方向，HTAP 是什么，為什么我們需要 HTAP，以及 TiDB HTAP 架構(gòu)細(xì)節(jié)和案例。

　　議題五：使用BigDL和Analytics Zoo來(lái)開發(fā)統(tǒng)一的大數(shù)據(jù)分析和人工智能應(yīng)用

　　史棟杰，Intel資深軟件架構(gòu)師，多年的企業(yè)級(jí)計(jì)算、風(fēng)控、大數(shù)據(jù)分析、云計(jì)算容器編排、數(shù)據(jù)分析與人工智能領(lǐng)域的研發(fā)經(jīng)驗(yàn)，也是英特爾開源框架BigDL與Analytics Zoo的貢獻(xiàn)者。眾所周知，深度學(xué)習(xí)在實(shí)際生產(chǎn)實(shí)踐中，很多時(shí)候并非是圍繞算法和數(shù)據(jù)建模，據(jù)統(tǒng)計(jì)90%的工作是在清理與規(guī)整數(shù)據(jù)。BigDL是基于Apache Spark的分布式深度學(xué)習(xí)框架，Analytics-Zoo是基于Apache Spark、Tensorflow、Keras和BigDL的大數(shù)據(jù)分析+ AI平臺(tái)。本議題主要介紹使用BigDL和Analytics Zoo來(lái)開發(fā)統(tǒng)一的大數(shù)據(jù)分析和人工智能應(yīng)用。

（轉(zhuǎn)載）