同时负责开源移动端深度学习框架Paddle-Lite的开发，长期从事移动端AI高性能计算优化工作，在多种软硬件平台上高性能运行深度学习技术。在工作之余有读史、书法等爱好。
目前，深度学习主要以神经网络模型为基础，研究如何设计模型结构，如何有效地学习模型的参数，如何优化模型性能以及在不同任务上的应用等。 生物神经网络的最小单元是神经元。而人工神经网络的最小单元是感知机。
深度学习时代的个性化推荐 刘强博士讲的内容主要是深度学习和大数据技术背景下的个性化推荐技术，刘强博士的报告主要围绕以下几个方面进行。 刘强博士首先讲了什么是个性化推荐？
超个性化、聊天机器人、预测性行为分析等是人工智能应用中最为常见的用例。人工智能正在彻底改变整个地球，引领我们走向一个不可预测的未来。其中，最重要的两个概念是机器学习和深度学习。
2.深度学习和机器学习的关系 深度学习是机器学习的最热门分支，这句话足以解释深度学习和机器学习的关系。
，少走弯路，促进国内研究者在深度强化学习领域也能取得革命性突破及更好的工业落地。
这个报告讨论了将深度学习方法引入音频信号处理中的一些尝试和初步结果。 音频信号的深度学习处理方法 报告主要包括音频信号领域的研究方向介绍和将深度学习方法引入音频信号处理中的尝试和初步结果。
循序渐进：从简单任务开始，逐步增加复杂度 实践为主：通过实际项目巩固所学知识 代码复用：建立自己的代码库，提高开发效率 持续学习：关注Python和Excel相关的新技术和工具 职业发展 数据分析师
飞桨服务化部署框架 Paddle Serving 经过多个版本的不断迭代升级，是市面上为数不多的能同时解决企业服务部署过程中三方面需求的深度学习服务部署框架： 1、极致性能 为了让用户能够实现在高并发、
