人工智能是未来十年最重要的技术革命和驱动力，将在各行各业发挥越来越重要的作用。进入更智能的世界，也为数据的应用带来不可估量的价值。11月28-30日，FlinkForwardAsia2019将聚焦Flink在机器学习方面的新技术和应用。内容包括：Flink的机器学习进度几何？如何将Flink与TensorFlow等框架结合起来？Flink在机器学习中有哪些实际应用？为您呈现Flink机器学习的具体应用实践和最新技术实现案例。ApacheFlink上的深度学习LongChen|腾讯工程师本次演讲将介绍一个新的Flink项目dlonflink。它使Flink能够实时运行分布式训练和更新模型服务。用户不仅可以使用Scala进行开发，还可以使用Python在Flink上运行TensorFlow，只需修改几行代码。它还支持PyToch和MXNet。我们将详细介绍Java与Python数据交换相关的设计和框架管理的实现。Flink上使用Analytics-Zoo进行大数据分析和深度学习模型推理的架构与实践施东杰|英特尔高级软件架构师英特尔高级软件架构师。多年从事企业级计算、风控、大数据分析、云计算容器编排、数据分析、人工智能等领域的研发工作。他是英特尔开源框架BigDL和Analytics-Zoo的贡献者之一。主要分享内容如下：Analytics-Zoo简介：大数据分析+基于ApacheSpark、Tensorflow、Keras和BigDL的AI平台。将大数据上的深度学习应用部署到生产环境，支持Flink流处理场景，使用OpenVINO加速。基于消息订阅和Flink流处理的ClusterServing架构。ApacheFlink+TensorFlow，携程实时智能异常检测平台实践潘国庆|携程大数据研发负责人作为计算引擎的首选之一，Flink可以应对从简单的实时ETL到复杂的CEP场景。本次分享主要介绍携程如何基于Flink和Tensorflow构建携程实时智能异常检测平台，用于解决准确率低、时效性低、规则配置复杂、规则报警系统劳动强度大等诸多问题。智能检测，依托Flink实现强大的容错机制。基于ApacheFlink的机器学习算法平台实践与开源杨旭|阿里巴巴高级算法专家阿里巴巴计算平台事业部正在与Flink社区合作，开源自研的机器学习算法库。基于这个算法库，用户可以更方便的构建高性能的Flink机器学习作业。我们希望通过开源来推动Flink社区在机器学习领域的发展。同时，也欢迎更多的开发者与我们携手，共同打造更强大、更完善的Flink算法库。本次分享主要关注团队在基于Flink开发高性能机器学习算法库过程中的技术积累与收获，以及开源的进展。ApacheFlinkAIEcosystemEffort陈五超|阿里巴巴技术专家高云|阿里巴巴技术专家Flink是一个分布式计算引擎，支持批流式集成数据处理。在实际生产的AI使用场景中，Flink在特征工程、在线学习、在线预测等方面具有一些得天独厚的优势，为了更好的支持AI使用场景，社区和各个生态厂商都做了一些工作，本次演讲将介绍近期的Flink在人工智能生态中的工作进展。FlinkMLPipeline：定义了在Flink上运行机器学习工作流的API，包括特征工程、模型训练、模型预测等。Alink：是基于Flink的机器学习算法库。FlinkMLWorkflow：基于Flink，结合深度学习框架TensorFlow/PyTorch，为用户提供了连接整个机器学习工作链各个阶段的API，同时支持批处理和流处理两种运行模式。基于Streaming的mini-batch迭代架构：Flink支持以流运行方式迭代新的架构设计。原文链接本文为云栖社区原创内容，未经允许不得转载。
