为了推动大数据技术研究和应用发展，促进大数据技术和学术交流，由江苏鸿程研究院联合主办的南京大数据技术Meetup第十八次会议于11月30日成功召开。本次会议采用在线研讨会直播的方式进行，会议的主题是AI理论算法与软件架构。

本次会议由南京大学PASA大数据实验室、江苏鸿程大数据技术与应用研究院、江苏省计算机学会大数据专家委员会和江苏省软件新技术与产业化协同创新中心联合主办，同时中国计算机学会大数据专家委员会、中国计算机学会系统软件专业委员会、CCF YOCSEF南京学术委员会、南京江北新区产业技术研创园、英特尔AI实践日工作组是本次活动的指导与支持单位。活动合作媒体是示说网。

会议于11月30日（周一）晚19:30开始。会议主持由江苏鸿程大数据技术与应用研究院技术副总、南京大学副研究员顾荣博士担任。本次在线直播会议邀请了两位专家学者分享了丰富而精彩的学术技术报告。

首先是英特尔首席研究员、英特尔中国研究院认知计算实验室主任陈玉荣博士作了“边缘视觉智能研究及应用”的主题报告。报告介绍了深度学习在许多领域尤其是视觉识别/理解方面取得了巨大突破，但它在模型训练和部署方面都存在一些挑战。本次演讲介绍了英特尔为实现边缘深度学习视觉推断而进行的高效CNN算法设计、领先DNN模型压缩和部署时网络结构优化以及以人为中心的视觉分析与合成的前沿研究。相关研究成果已经在计算机视觉和机器学习顶会及期刊上发表，包括最早提出的从头开始训练物体检测器DSOD (ICCV’17/TPAMI, 2020)、轻量级CNN骨干网络HBONet (ICCV’19)，DNN网络剪枝技术DNS (NIPS’16)，Network Slimming (ICCV’17)及低比特DNN模型量化技术INQ (ICRL’17)、Network Sketching (CVPR’17)、ELQ (CVPR’18)，以及视线目标估计 (IJCV, 2020)、人脸重光照 (Siggraph Asia 2020)、三维人体姿态估计等近期工作。另外，陈玉荣博士还介绍了几个通过研究创新、基于英特尔计算平台实现的智能笔记本，智能办公室和三维运动员跟踪等边缘视觉智能应用。

接下来是南京大学计算机科学与技术系副教授、博士生导师黄书剑博士作了“神经网络机器翻译的训练和预训练”的报告。报告介绍了基于深度学习的神经网络机器翻译系统往往具有大量的参数，需要大规模的数据进行密集计算来进行训练。一方面，这样大规模的参数训练过程往往容易发生过拟合等现象，使得训练不够稳定。黄书剑博士介绍了一种利用动态检查点进行知识蒸馏的方法，可以提升参数训练的稳定性。另一方面，在大规模无标记数据上的预训练模型，可能能为机器翻译模型提供一定的知识储备，但直接进行预训练模型的参数微调往往还存在灾难性遗忘等问题，同时也介绍了在知识库问答和机器翻译上利用预训练模型的工作。相关工作论文发表于NAACL2019、ACL2019和AAAI2020。

本次会议于21:00圆满结束。很多参会观众在留言区积极提问讨论，表示收获颇丰。希望通过Meetup会议，让更多的业界伙伴了解和感知行业内最前沿的技术研究和应用发展，促进大数据与人工智能领域的交流与发展。