刘磊 |
美国某互联网公司 机器学习专家
长期带领团队从事人工智能、机器学习方面的研发和软件架构工作。曾担任华为美国研究院机器学习主任科学家/软件架构师，主要工作集中在华为数据管理、云服务等业务群相关机器学习大数据解决方案。再此前，在惠普实验室作为资深研究科学家(Expert Level)和机器学习项目经理，从事机器学习研发工作。从零开始开发构建出多个重要项目，包括个性化混合学习平台METIS。
课程概要
背景介绍：
随着如手机、智能手表和生物传感器等便携式设备的普及，数字化自跟踪技术近几年已经获得了长足发展。同样，用于监测、存储和分析人类自跟踪数据的信息管理系统设计也在不断的优化。
和以往任何时候相比，由于技术的快速发展，使得收集生物数据和生理数据这个过程变得越来越容易，例如心电图(ECG)，血氧饱和度(SpQ2)，心率(HR)，脑电波信号(EEG)，皮肤电反应(GSR)，血压，含氧量，体温等等。这些自跟踪数据可以帮助我们通过监测和分析这些数据，来更好地理解个体的健康状况。正因为此，挖掘传感数据中的隐含价值受到越来越多工业界和学术界的关注。
解决思路/成功要点：
本次演讲会聚焦在介绍机器学习平台在传感数据中的应用，详细对利用多源传感器数据结合机器学习技术来检测人体行为项目做详细介绍。在这一项目中，首先收集位于Bristol (UK)的智能家庭传感器数据，包括重力传感器，环境传感器和三维视觉传感器，之后通过机器学习技术来构建人类行为监测模型。这一机器学习系统能通过分析传感数据，动态准确的检测日常生活里的人体行为活动。
成果：
所研发系统对于识别或者预测中风，摔倒以及其他危险事情有很切实的意义，尤其是在临床案例和老人照顾方面。
听众收益
1.介绍前沿机器学习、人工智能如何与传感器技术结合
2.机器学习算法在多源数据中的挑战和相应解决方案
3.介绍多源传感数据与人工智能相结合在产品上的成功案例
刘磊 |
美国某互联网公司 机器学习专家
长期带领团队从事人工智能、机器学习方面的研发和软件架构工作。曾担任华为美国研究院机器学习主任科学家/软件架构师，主要工作集中在华为数据管理、云服务等业务群相关机器学习大数据解决方案。再此前，在惠普实验室作为资深研究科学家(Expert Level)和机器学习项目经理，从事机器学习研发工作。从零开始开发构建出多个重要项目，包括个性化混合学习平台METIS。
课程概要
背景介绍：
随着如手机、智能手表和生物传感器等便携式设备的普及，数字化自跟踪技术近几年已经获得了长足发展。同样，用于监测、存储和分析人类自跟踪数据的信息管理系统设计也在不断的优化。
和以往任何时候相比，由于技术的快速发展，使得收集生物数据和生理数据这个过程变得越来越容易，例如心电图(ECG)，血氧饱和度(SpQ2)，心率(HR)，脑电波信号(EEG)，皮肤电反应(GSR)，血压，含氧量，体温等等。这些自跟踪数据可以帮助我们通过监测和分析这些数据，来更好地理解个体的健康状况。正因为此，挖掘传感数据中的隐含价值受到越来越多工业界和学术界的关注。
解决思路/成功要点：
本次演讲会聚焦在介绍机器学习平台在传感数据中的应用，详细对利用多源传感器数据结合机器学习技术来检测人体行为项目做详细介绍。在这一项目中，首先收集位于Bristol (UK)的智能家庭传感器数据，包括重力传感器，环境传感器和三维视觉传感器，之后通过机器学习技术来构建人类行为监测模型。这一机器学习系统能通过分析传感数据，动态准确的检测日常生活里的人体行为活动。
成果：
所研发系统对于识别或者预测中风，摔倒以及其他危险事情有很切实的意义，尤其是在临床案例和老人照顾方面。
听众收益
1.介绍前沿机器学习、人工智能如何与传感器技术结合
2.机器学习算法在多源数据中的挑战和相应解决方案
3.介绍多源传感数据与人工智能相结合在产品上的成功案例
