在与我们生活息息相关的“住”上，视觉算法特别是AI算法已在贝壳找房中多个场景落地。以AI技术为基础的“机器-人工”结合的方式，“机器”会依据贝壳实勘标准，自动审核质量不合格、保密性不够、真实性不满足等违规图片，审核更加高效、稳定。本次演讲将以实勘图审核业务为例，分析图像审核系统现状，阐述视觉算法在智能审核系统上的演进与实践。

听众受益：

1. 了解图像智能审核系统的现状

2. 了解视觉算法在智能审核系统中的应用

3. 了解贝壳图像技术团队从需求到算法再到实现的整体流程 

对于许多传统的机器学习来说，特征的提取不是一件简单的事情。在一些复杂的问题上，需要耗费大量的时间和精力，通过人工的方式设计有效的特征集合，而基于图的机器学习经过图数据库进行特征补充，进一步的提高传统的机器学习的准确度，是在现有硬件和人员技术基础上最经济有效的改善方案，也是机器学习发展的新的方向。本次演讲将介绍TigerGraph如何与Spark集成，实现基于图的机器学习的解决方案。

听众受益：

1. 了解图机器学习如何在现有资源下经济有效的提高机器学习
2. 了解常用的图特征提取方式
3. 了解图数据库和Spark集成方案中的数据流和分工

AI/ML/DL发展迅猛，GPU的各种加速方式以及算法的优化，都将性能的瓶颈点转移到了AI架构中的存储系统。在AI场景下存储访问的几个特点：1. 共享访问，多个节点会访问同一批数据；2. 读多、写少，文件会被反复读取进行训练；3. 文件大小越来越小，集中在几KB到几MB之间；4. 文件数量越来越多，会多达几亿到几十亿，甚至到上百亿。这些对存储系统提出了巨大的挑战，首先要支持文件共享访问，其次性能要好，尤其是读的性能，最后要能支撑海量的小文件。本次演讲将分享面对这些挑战，分布式文件存储系统的优化思路和方案设计。

听众受益：

1. 了解AI场景下存储访问的难点挑战
2. 了解海量文件存储的方式
3. 了解小文件的性能提升优化思路
4. 了解如何解决目录的访问热点问题

如今，各公司都在尝试使用各种工具（从简单的电子表格到复杂的财务规划软件）来准确预测未来的业务成果，如产品需求、资源需求或财务绩效。这些工具通过查看历史系列数据（称为时间序列数据）来构建预测。本次演讲将分享如何使用Amazon SageMaker以及Amazon Forecast快速、低成本的构建用户自己的预测模型，并分析在货品销售、能源供给、资源规划等领域的应用案例。

听众受益：

1. 了解如何快速训练出时序预测模型
2. 了解如何使用深度神经网络提高预测准确度