雷锋网 AI 科技评论按：2018 年，AI 研习社又为大家呈上了一系列公开课，AI 研习社的粉丝们也再度与我们相伴走过了一年。而在今年，为了帮广大学术青年看到技术在企业中的实际应用成果，并同时保持学术性科研职业路径的可能性，我们增设了「职播间」这个公开课类目，依托于 AI 研习社社群和雷锋网在 AI 行业的影响力，邀请了数十家中国 AI 企业的工程师、 管理者们来分享自己企业的研发成果、技术追求以及人才招聘需求。下面让我们一起来回顾一下吧~
地平线黄李超：面向低功耗 AI 芯片上视觉任务的神经网络设计
内容简介：随着这几年神经网络和硬件（GPU）的迅猛发展，深度学习在很多行业包括互联网，金融，驾驶，安防等领域都得到了广泛的应用。然而在实际部署的时候，许多场景例如无人驾驶，安防等对设备在功耗、成本、散热性等方面都有额外的限制，导致了无法大规模应用深度学习解决方案。全球瞩目的人工智能创业企业之一地平线在芯片方面就有许多可以值得分享的研发成果和技术经验。对此，AI 研习社邀请到了地平线的初创人员黄李超来公开课上进行分享。黄李超毕业于帝国理工硕士，曾于 2014 年加入百度深度学习研究院；并于 2015 年作为初创人员加入地平线，现研究方向包括深度学习系统研发，以及计算机视觉中物体检测，语义分割等方向。公开课上，黄李超不仅介绍了 AI 芯片的背景以及怎么从算法角度去设计适合嵌入式平台高效的神经网络模型，还讲解了高性价比的神经网络在计算机视觉领域的应用。公开课最后，地平线的 HR 也进行了招聘宣讲，并为大家进行了招聘解读。
北京知识图谱科技吴刚：知识图谱赋能企业数字化转型
内容简介：现在的市场环境下，企业面临着竞争逐渐加剧，人力成本增加，人员流动率加快的挑战。而随着企业经历了信息化的成熟阶段，沉淀了大量的数据。大型的企业都开始了数字化转型，利用前沿的技术利用海量的外部数据以及内部积累的业务数据上下游的链接客户，将数据转化为专家的经验知识，提高工作效率，增强产品的用户体验和销售。而在企业的数字化转型中，知识图谱就扮演了重要的作用。基于这个热点，AI 研习社邀请到了北京知识图谱科技有限公司 CEO 吴刚进行公开课分享。公开课中，他不仅详细介绍了知识图谱的概念、企业机遇挑战、知识图谱赋能企业数字化转型以及知识图谱落地挑战与趋势，最后也为各位小伙伴们呈上了该公司的招聘需求。
杉数科技赵珂珍：大数据分析工程师的求职分享—从大厂到初创企业的决策之路
内容简介：随着互联网的兴起，人工智能和大数据成为了热门领域，越来越多的企业开始通过对数据的挖掘分析来为商业决策提供建议，在国内市场，人工智能和大数据领域人才出现巨大的缺口。而数据分析师入行需要的技术能力较易，转行/自学性价比极高，成为大数据领域的热门职业。创业公司杉数科技算法工程师赵珂珍受邀来 AI 研习社的公开课上进行了她的职业分享，她本科毕业于天津大学建筑工程学院，研究生毕业于斯坦福大学工学院，从传统工程学科跨领域成为算法工程师，曾在国内头部大厂担任数据分析师，现就职于杉数科技，从事与大数据相关的工作，对于立志于从事大数据分析师的小伙伴们来说，她的相关经验非常具有借鉴意义。本次她在公开课上的分享内容包括个人经历及为何选择杉数科技、大数据分析工程师职业内容、大数据分析工业场景应用实例、大数据分析/挖掘的自学建议，并最终也向大家介绍了杉数科技招聘内容及内推通道。
Momenta 陈凯：Momenta 自动驾驶背后的底层技术及人才需求
内容简介：前全球汽车行业公认由美国高速公路安全管理局（NHTSA）和国际自动机工程师学会（SAE）提出的的分级制度，把自动驾驶分成 L0 到 L5 级，分别承担相应的职责，而 L4 作为级别第二高的无人驾驶，是指在特定场景下（如高速公路）可以在完全没有人干预时进行全自动无人驾驶，到现在为止，实现 L4 无人驾驶依旧是人工智能领域最具挑战性、最复杂的难题之一。针对自动驾驶这一领域，AI 研习社邀请到了中国最高估值自动驾驶创业公司 Momenta M4U 技术负责人陈凯来到公开课上进行分享，他博士毕业于中国科学技术大学，是 RoboCup@Home League 2014 世界冠军，多年从事机器人研究和相关工作，对于自动驾驶领域有较深入的研究以及丰富的实践经验。在本次公开课中，他不仅从团队、核心技术层面深度介绍了自动驾驶独角兽 Momenta 如何「打造自动驾驶大脑」，还为各位致力于从事自动驾驶行业的小伙伴们解读了 L4 级别的自动驾驶需要怎样的技术与人才。
复旦大学 NLP 实验室陈俊坤：自然语言处理中的多任务学习
内容简介：过去几年，深度学习在自然语言处理中取得了很大的进展，但进展的幅度并不像其在计算机视觉中那么显著。其中一个重要的原因是数据规模问题。多任务学习是将多个任务一起学习，充分挖掘多个任务之间的相关性，来提高每个任务的模型准确率，从而可以减少每个任务对训练数据量的需求。来自复旦大学 NLP 实验室的陈俊坤不仅在公开课上介绍了在自然语言处理领域工作非常出色的复旦大学 NLP 实验室，还为大家带来了一箩筐自然语言处理的干货分享，包括基于深度学习的自然语言处理、深度学习在自然语言处理中的困境、自然语言处理中的多任务学习以及新的多任务基准平台等内容，同时也不忘分享自己的个人求学经验，指出各位愿意攻读研究生的同学应该对国内实验室有更多的了解，从而在选择攻读研究生上更有目标性。
狗尾草智能科技邵浩：从 0 到 1 构建聊天机器人
内容介绍：自从 Alpha Go 战胜李世石，我们就进入了最新的一个时代——AI 时代。这个时代所对应的入口就是语音对话产品，目前最普遍的形态便是聊天机器人。而聊天机器人市场的发展可以用「忽如一夜春风来，千树万树梨花开」来形容，我们可以看到市场上出现了大量的聊天机器人，有大家熟悉的 Echo、小米音响、天猫精灵以及我们公司的公子小白等等。各大厂商之所以对聊天机器人进行大力投入，主要是因为它们都想通过聊天机器人抢占 AI 时代的主入口——有了入口和流量，才能在上面做很多文章。对于聊天机器人这一领域，AI 研习社邀请了比较有代表性的公司深圳狗尾草智能科技进行公开课分享，其 AI Lab 主任邵浩在公开课中不仅系统性阐述聊天机器人的技术挑战、聊天机器人理论的最新进展，还详细地介绍了如何从零构建一款可用的聊天机器人，以及打造聊天机器人落地产品中需要注意的技术细节。
鲲云科技方舟：基于定制数据流的 AI 应用
内容介绍：深度学习已经在安防，金融，自动驾驶等领域得到了广泛的应用，这就涉及到硬件层的芯片。目前芯片主要包括指令集架构和数据流架构两种实现方式：类似 Intel X86 架构、ARM 架构以及 RISC-V 开源架构都属于通用指令集架构，而数据流架构采用数据流引擎的方式实现。而市场上的方案大多是基于 GPU 或者精简指令集 RISC 架构，即通过增加多个处理单元提升计算能力，主要还是由于指令集架构通用性强但性能不高，而数据流架构则性能比较强而通用性不高。 不过，鲲云科技自主研发的数据流定制架构芯片采用数据流引擎的方式提升性能，并通过端到端自动编译开发平台来解决芯片的通用性问题，为数据流架构的通用性方面带来了较大进展。鲲云科技 FAE 团队负责人方舟受 AI 研习社邀请在公开课上了详细讲解基于数据流架构的 AI 方案和适配的工具链。
安智汽车檀杰：77GHz 毫米波雷达基础及其典型 ADAS 应用
内容介绍：77GHz 毫米波雷达在智能驾驶领域的应用十分广泛，已被业界普遍验证为低成本、高可靠性的智能驾驶底层核心传感器之一。安智汽车作为国产 ADAS 领域颇受关注的企业之一，目前已经自主开发完成了具有全面知识产权的 77GHz 毫米波雷达与多功能视觉系统，并搭建了更「懂」中国路况的 ADAS 驾驶辅助系统。受 AI 研习社邀请，安智汽车雷达事业部总监檀杰在公开课中深入探讨安智汽车作为 77GHz 毫米波雷达软硬件一体化方案商对该领域的深度技术研发和典型功能应用探索，并从产业角度着眼，解读相应的人才结构和需求。
酷哇机器人何弢：复杂场景自动驾驶的技术框架及人才招募
内容介绍：城市复杂场景自动驾驶是自动驾驶领域最具挑战的场景之一，其不仅要求自动驾驶汽车掌握包括直道、弯道、合流道、异形十字路口、路障、行人等城市常见场景，还考验自动驾驶汽车对典型模拟城市道路及工况的适应能力，包括对道路标线、典型目标物、常见交通信号的识别和响应能力，以及在上下坡、隧道、驼峰桥等特殊场景中对复杂工况、交规的理解和适应能力。专注于城市复杂场景自动驾驶技术的自动驾驶新锐公司酷哇机器人的创始人兼 CEO 何弢在 AI 研习社的公开课中深度分享酷哇如何「利用现有技术结合产品落地城市复杂场景的自动驾驶」，并讲解实现自动驾驶的产品落地需要怎样的技术与人才。
星图智控陈辉：一家消费级无人机公司的 AI 相机人才观
内容简介：无人机本质上就是会飞的相机。如今，相机在无人机产品中所占比重日益增加，无人机的自主飞行和执行任务的智能化需求突出，特别是在资源受限的小型消费级无人机领域，三维重构、目标检测识别和长时跟踪三类算法都有广泛应用。消费级无人机公司星图智控的武汉 AI 研发中心便专注于研究嵌入式端任务重构框架，其负责人陈辉博士也受邀在 AI 研习社的公开课上进行了分享，他博士毕业于华中科技大学，目前任星图智控武汉分公司负责人，分管公司智能相机产品线，主要研究方向为可重构网络、嵌入式人工智能应用等。公开课上，他对星图智控这家无人机公司及其研发中心、公司文化以及技术发展路线、人才培养制度进行了一一介绍，并阐述了该公司的人才需求。
对无人机、芯片、自动驾驶、智能语音等技术在企业中的应用情况感兴趣，或者对这些公司的 offer 感兴趣的小伙伴们可以前往对应的地址回看视频！再次感谢大家对 AI 研习社的支持！雷锋网雷锋网
正在生成分享图...
Nemo