写点什么

Exploring the World of AI with Deep Graph

  • 2020-02-12
  • 本文字数:1204 字

    阅读完需:约 4 分钟

Exploring the World of AI with Deep Graph

AICon 北京 2019 大会上,张峥讲师做了《Exploring the World of AI with Deep Graph》主题演讲,主要内容如下。


演讲简介


现实世界的数据并不是孤立存在的。因此,描述数据最好的数据结构就是图。换句话说,如果深度学习作为一个算法,那么图是其支撑的最好的数据结构。图的结构可以是显式的,比如社交网络、知识图、药、蛋白质、关系数据库,等等。图也可以是隐式隐蔽在语言和图像背后。利用好、发掘出图结构既有丰富的现实场景,也为下一代机器学习算法提供了重要的基础。


本讲座首先从对深度图学习的总体情况作一个概述,然后介绍 AWS 上海 AI 实验室在这方面的一些新研究工作。我们将介绍深度图库(Deep Graph Library, DGL,http://dgl.ai)。DGL 是一个开源平台,其愿景在于加速这个新兴领域的研究。DGL 的设计思路围绕图为核心概念,并注意保持向前(即灵活支持新模型的研发)和向后(即与现在已有深度学习组件)的兼容性。 DGL 支持任意消息处理和变换算子,有灵活的消息传播规则,并且与底层深度学习框架解耦,利用高性能张量、自动求导(autograd)操作,并复用现有框架中已有的其他特征提取模块。 DGL 优化处理稀疏和不规则的图形结构,处理可能动态变化的大大小小的图形,融并操作并执行自动批处理,这些设计都极大地利用了现代硬件的优势。 DGL 已在多种模型上进行了测试,包括但不限于流行的 Graph Neural Networks(GNN)及其变体,我们支持的模型运行快,可扩展,内存占用量小。


我们和 AWS 内部、外部的客户积极合作,正迅速地把 DGL 落地到推荐系统、欺诈探测、知识图谱、新药研发等场景中。同时,我们也正紧密地进行深图地理论研究工作。DGL 于 2018 年 NeuIPS 会议期间发布,一直保持强劲的开发,至今已经到第四版。0.4 版包括异构、异质图和知识图谱的计算,支持亿万规模的大图,并发布制药模型库,为 DGL 迈向实用走出关键一步。


听众收益:了解人工智能行业发展与最前沿趋势


讲师介绍


张峥,AWS 上海 AI 研究院院长。


张峥于 2014 年加入上海纽约大学,为纽约大学全球网络计算机终身教授,纽约大学库朗数学研究所、计算机系、数据学院兼职教授,于 2018 年 10 月学术休假,作为 AWS 上海 AI 研究院首任院长加入 AWS。


张峥于 1987 年提前一年从复旦大学本科毕业,1992 年从美国德州达拉斯分校取得硕士学位,1996 年于美国伊利诺大学香槟分校(UIUC)取得博士学位。1996-2001 年就职于惠普任中央研究院研究员,2001-2014 年任职微软亚洲研究院,是系统研究方向创始人、首席研究员,曾任副院长。


张峥是《知识分子》专家委员会成员。他是深度学习和人工智能、高性能大容量计算和存储系统的两栖专家,在国际会议获多次最佳论文,谷歌学术引用八千多次,H-index47,在微软和惠普获卓越贡献奖。他是开源深度学习平台 MXNet 的共同创始人和顾问,于 2018 年开始领导并创立深度图计算 DGL 的开源项目。












完整演讲 PPT 下载链接


https://aicon.infoq.cn/2019/beijing/schedule


2020-02-12 19:29530

评论

发布
暂无评论
发现更多内容
Exploring the World of AI with Deep Graph_AICon_张峥_InfoQ精选文章