腾讯各个产品线包含海量的语音数据，智能语音技术在各个产品线中扮演着非常重要的作用，这里面包含对语音数据进行理解、审核和推荐等。

本次演讲将重点介绍智能语音技术在腾讯各个产品线的应用，然后针对腾讯产品线中复杂场景的语音数据进行智能处理的难点进行了分析和介绍。重点介绍实际应用中语音数据中包含多口音、多领域和复杂噪声问题，腾讯提出了构建高性能智能语音系统的新技术方案，即采用动态神经网络的大规模声学模型。最后对后续技术发展和前景进行了思考和展望。

演讲提纲：

1. 智能语音技术在腾讯产品线的应用
2. 腾讯产品线语音智能技术应用中的挑战和难点
3. 动态神经网络建模方案
4. 动态神经网络应用案例分析

你将获得：

• 了解动态神经网络在智能语音技术的实践和应用。
• 了解智能语音技术在腾讯各个产品线的应用情况。

随着近年来对知识图谱研究的发展，知识图谱的构建与应用面临着几个难题。首先，“知识”仅仅指代的三元组吗？其次，在实际场景中，以 KBQA 为主的图谱构建大部分只能用在 KBQA 上，应用场景单一，ROI 不高，如何提升 ROI？最后，图谱和相关应用，通常都是企业相关的，比较定制化，如何做到规模化的知识构建？

本次演讲我将结合阿里云小蜜业务，分享一些关于知识结构化及业务应用的思考，希望对你有所启发。

演讲提纲：

1. 知识图谱构建挑战
2. 图谱构建的技术进展与业务应用
3. 知识结构化的需求和思考    
   • DocumentAI    
   • 文档信息抽取
4. 知识中台构建和应用的技术进展
5. 未来展望

你将获得：

• 了解现有图谱构建的最新进展
• 了解结构化知识中台构建的技术和应用
• 了解阿里云小蜜在相关技术方向的技术进展

精准的推荐模型是许多互联网产品的核心竞争力，短视频 App、电商推荐、在线广告系统、推荐模型都是产品体验进化的核心 AI 能力。百度不仅是业内首先突破万亿参数模型大规模应用瓶颈的公司，更在深度学习应用中持续保持业内最优的技术水平。近年来，信息流和视频 App 的兴起，为万亿参数模型大规模落地和进一步技术演进提供了广阔的产品场景和空间，是百度实现搜索推荐双引擎战略的核心技术基础。

本次分享会介绍百度近年来在万亿参数推荐模型应用中面临的技术挑战、尝试的技术创新以及核心的产品应用等，希望年轻工程师能借此了解深度学习在视频和信息流领域的核心技术，更希望为资深的机器学习工程师带来一些机器学习与系统设计相结合的新思路。

演讲中的主要技术内容已经成撰写论文并发表在 KDD2021 - JIZHI: A Fast and Cost-Effective Model-As-A-Service System for Web-Scale Online Inference at Baidu，论文链接：https://arxiv.org/pdf/2106.01674.pdf

演讲提纲：

1. 推荐系统简介
2. 万亿参数模型及应用的技术挑战
3. 基于学习的深度学习预估架构
   • SEDP
   • 异构混合数据服务体系
   • 预估值的时效性拟合
   • 资源分配的自动调优系统
   • 多租户模型服务
   • 应用和收益
4. 进一步展望

你将获得：

• 了解百度在万亿参数推荐模型应用中面临的技术挑战以及尝试的技术创新
• 了解深度学习在视频和信息流领域的核心技术
• 获得机器学习与系统设计相结合的新启发

机器翻译对全球跨语言交流起到了非常核心的作用，有研究表明，机器翻译最近几年促进全球贸易增长达到了 10%。其中，语音翻译技术也逐渐向各种可实用化场景推广。本次分享我将会介绍字节跳动的语音翻译应用实践，另外，将会重点分享字节跳动在端到端语音翻译方面的研究，希望对你有所启发。

演讲提纲：

1. 语音翻译的产业应用
   • 视频翻译
   • 机器同传
2. 端到端语音翻译的研究
   • 端到端语音翻译的系列研究
   • 机遇和挑战
3. 总结和展望

你将获得：

• 了解语音翻译的应用场景
• 了解端到端语音翻译研究的前沿技术