首届深度学习世界大会将于2018年6月3日至7日举行，地点在拉斯维加斯。

不要错过即将举行的首届深度学习世界大会上见证行业巨头主题演讲的机会。深度学习世界是关于深度学习的商业部署的首要会议，该活动的使命是促进已建立的深度学习方法在价值驱动下的运作突破。

让我们来看看这次大会的主题章程：

应用深度学习：自驾车和假新闻检测

来自优步的Michael Tamir

应用深度学习已迅速成为许多行业机器学习应用的标准工具。神经网络技术方面的新进展为解决直到最近无法实现的问题打开了大门。由于这些进步，像自动驾驶汽车的图像识别，医学图像分类，文本翻译和假新闻检测等应用程序都是易于处理，并且通常都是行业标准。在这个主题演讲中，领导Uber ATG（自动驾驶汽车部门）数据科学团队的Mike Tamir将揭示深度学习的两个关键应用领域，表明这一新兴技术的广泛性和重要性。

最伟大的科学

来自Elder Research的John Elder

数据科学如果被视为一门独立的科学，会超越其相关门类的真理、广度和效用。数据科学比任何其他科学都能更好地找到真理。当今科学成果的可复制性危机很大程度上是由于业余爱好者进行的数据分析不佳造成的。至于广度，数据科学家只需要领域专家的小范围合作就可以对新领域做出巨大贡献，而反过来并不容易。对于实用程序，数据科学可以适应经验行为，以此提供有用的模型，而好的理论尚未发现。也就是说，即使“为什么”无法解决，它也可以预测“什么”是可能的。

深度学习：实现能力和新领域

来自斯坦福大学商学院的Luba Gloukhova

开创性理论，大数据和计算能力，凭借这三种，深度学习的更大进展指日可待。它将计算机视觉，时间序列分析和自然语言处理推向了新的高度。当我们乘着这样的进步浪潮时，仍然处于加速状态，我们也遇到了类似于传统机器学习的新挑战。在这个主题演讲中，DLW Founding Program主席Luba Gloukhova将介绍深度学习已经克服的重大挑战以及仍然存在的问题。

使用CNN和LSTM实时恶意软件检测

来自Capital One的Domenic Puzio和Kate Highnam

域生成算法恶意软件可以调出特殊的网址以避免静态规则引擎的检测。为了对付这种恶意软件，我们创建了一个评估域是否有恶意的整体模型。该集合包括两个深度学习模型：卷积神经网络和Long Short Term Memory network。这些深度网络足够灵活，可以学习复杂的模式，而且不需要手动设计。系统可实时分析企业级网络流量。本次演讲将讨论用于构建模型的机器学习算法以及用于低延迟处理的模型，即服务体系结构。