作为一名机器学习工程师，我需要掌握哪些算法原理？ 编辑 | AICon AI 前线导读：10 月 10 日 -12 日，为期三天的 HUAWEI CONNECT 2018 在上海隆重召开。今年的大会，华为云带给世人的惊喜一如既往的多，从宣布华为云 EI 全栈全场景服务强力升级，到华为云 EI 城市智能体的推出，再到发布 AI 全流程开发平台与工具“四件套”——ModelArts、Hilens、Atlas 200、HiQ，华为云在人工智能领域的“攻城拔寨”版图正逐步扩大，同时也朝“普惠 AI”的目标更近一步。 更多优质内容请关注微信公众号“AI 前线”（ID：ai-front） 现在，人工智能和机器学习正在改变并塑造软件的未来。传统上，这是博士级数据科学家的领域。但随着工具和库变得越来越容易理解，这种情况正在发生变化。软件工程师正在进入这一领域，创造新的角色，例如机器学习工程师。 我们的假设是，有大量的软件工程师有能力利用数据来处理工作，但不知道在工程中如何使用 AI 和机器学习解决问题。什么时候应该使用机器学习算法？什么时候规则引擎是正确的方法？我们希望通过线下技术大会 AICon，帮助高级软件工程师和架构师揭示在工程中应用人工智能 / 机器学习的真实模式、实践和用例。 为此，我们邀请到了来自 Google、BAT、美团、京东、小米、今日头条等 40+ 一线技术专家，给大家带来关于机器学习、知识图谱、搜索推荐、计算机视觉、NLP 等热门方向的最新落地案例，给你带来更开阔的技术视野，下面就让我们先睹为快！ 演讲：不确定和对抗环境下的机器学习探讨 机器学习在解决实际应用问题时需要解决一些重要挑战。首先，由于物理随机性、不完全信息、噪声、歧义、冲突等因素，我们要处理的对象普遍存在不确定性。因此，智能系统需要对不确定性进行有效的建模和推理。其次，在对抗噪声的情况下，很多机器学习算法（如深度神经网络）往往比较脆弱，容易被误导，这给高风险、安全敏感的应用带来了很多潜在威胁。在这个报告中，我将介绍概率机器学习的一些进展（特别是珠算概率编程库和一些可扩展的推理算法）以及深度神经网络的对抗攻击与防御，并且介绍一些典型的应用案例，包括半监督学习、小样本学习、众包学习。在对抗攻击与防御方面，我们的部分工作获得谷歌大脑在 NIPS 2017 组织的国际比赛的所有三个任务的冠军。 演讲提纲： 概率机器学习介绍 珠算概率机器学习编程框架 概率机器学习应用案例 深度神经网络的对抗攻击与防御 听众受益点： 了解概率机器学习的概念和方法 了解概率机器学习的应用实例和编程库 了解深度学习对抗攻击与防御的方法和经验 当然，除了学术界大咖，我们还邀请到了诸多工业界一线技术专家前来分享，关于人工智能和机器学习，他们又有哪些思考和经验呢？精彩议题抢先看！ 以上仅是大会部分内容，点击“阅读原文”获取更多干货，目前大会 8 折售票火热进行中，使用优惠码“AICon”可享 8 折减 200 的特殊福利，购票过程中如有任何问题，可咨询票务小姐姐 Amy：18514549229（微信同号） 阅读原文