AI算法依赖于大量计算资源，因此对于想涉猎AI的企业来说，第一步面临的就是成本压力。这其中包括服务器成本、运维成本、人员培养学习成本，不但有金钱上的也有时间上的。因此，如何有效降低成本，加快AI方案的试错，是每个想把AI算法产品化的企业都需要考虑的问题。本议题将围绕AI公有云平台实践，论述UCloud如何利用公有云的规模效应和分时租赁特性，降低企业的AI转型门槛，使广大公有云用户在不改变AI算法开发流程的基础上，为其提供一套开箱即用的开发、测试、乃至生产环境。有效降低人员学习成本，加速算法落地。

AutoML是当前人工智能发展的一个重要方向，受到Google，Facebook，等诸多公司的重视。近期，在AutoML领域，特别是深度神经网络模型搜索有了很多突破性的进展。本次演讲将着眼目前在机器／深度学习模型搜索方法的进展分享和不同方法之间的差异分析。并介绍探智立方的DarwinML自动化模型设计平台底层进化算法实现、特性以及DarwinML在金融、制造业领域内的实际案例。

人工智能作为2017年信息通信领域的最大热点，远远高于IoT，5G，安全与隐私，区块链等。然而人工智能应用于各个不同行业，各种不同场景，导致进入的门槛很高，需要整理原始的数据源，购买底层服务器资源，搭建不同的算法框架，保障平台的稳定性等，给运维和研发带来了庞大的工作量。本次演讲将重点探讨人工智能背后的云计算，特别针对人工智能初创型企业以及个人学习，让大家专注于自身的算法以及业务代码。演讲共分三大部分：数据整理、模型训练及在线服务，并结合UCloud客户成功案例，为大家讲述不同场景的AI应用。

文档资料的内容自动化处理是人工智能技术落地的关键应用之一。本次演讲将分享在对篇幅较长的文本进行内容理解和信息挖掘过程中，如何应用深度学习技术来进行更好的分析挖掘。另外还将探讨深度学习模型和统计语言模型的相互结合，以及工程实践中值得注意的应用点等实践知识。分享亮点：1. RNN和 LSTM，及LSTM原理；2. 文本分类常见算法模型CNN、RNN 及 CLSTM异同 ；3.传统机器学习（CRF）和深度学习（（Bi-LSTM+CRF）在序列标注中的应用差异；4. 深度学习在生成式摘要中的应用；5. 如何基于深度学习做知识图谱的关系抽取。