重磅！楊強院士將出席 2025 全球機器學習技術大會并發(fā)表演講！

自 1936 年阿蘭·圖靈提出「圖靈機」以及機器具備「思維」的可能性以來，以機器學習為代表的人工智能技術經(jīng)歷了飛速發(fā)展，深刻改變了我們的世界。作為人工智能領域的風向標盛會，2025 全球機器學習技術大會（ML-Summit）將于 4 月 18-19 日在上海隆重舉行。

本次大會由 CSDN 與 Boolan 聯(lián)合主辦，秉承“全球?qū)＜?，卓越智慧”的宗旨，特邀?50 位 AI 技術領袖和行業(yè)應用專家，探討人工智能領域的前沿發(fā)展和行業(yè)最佳實踐。  

官網(wǎng)：https://ml-summit.org/

楊強院士出席并發(fā)表主題演講

本次大會的一大亮點是，加拿大工程院及加拿大皇家科學院兩院院士、微眾銀行首席人工智能顧問楊強教授將親臨 ML Summit 2025 并發(fā)表主題演講！

楊強院士在遷移學習、聯(lián)邦學習及隱私計算等領域成就斐然，領導團隊打造了全球首個工業(yè)級聯(lián)邦學習框架 FATE，并推動了聯(lián)邦學習 IEEE 國際標準的制定，為全球數(shù)據(jù)隱私保護與人工智能發(fā)展做出了卓越貢獻。他還榮獲 ACM SIGKDD 杰出服務獎、IJCAI Donald E.Walker 杰出服務獎等多項國際殊榮，并擔任《ACM TIST》、《IEEE TRANS on BIG DATA》等頂級期刊主編。CAAI/AAAI/ACM/IEEE/AAAS 等多個國際學會的 Fellow。他的研究領域包括遷移學習和聯(lián)邦學習研究及應用，著作包括《遷移學習》、《聯(lián)邦學習》、《隱私計算》和《聯(lián)邦學習實戰(zhàn)》等。

聯(lián)邦大小模型協(xié)作學習

楊強教授的演講將聚焦聯(lián)邦學習與遷移學習的最新進展，探討如何通過“大小模型協(xié)作學習”的理念，使得云端的大模型和本地化的小模型可以通過聯(lián)邦學習和遷移學習來一起增強。這樣在模型提升能力的同時，可以保護各方的隱私和數(shù)據(jù)安全。

在本次演講中，他將討論如何在大模型的背景下使用“聯(lián)邦大模型”的框架進行老師-學生協(xié)作學習的任務，討論如何把聯(lián)邦學習、遷移學習和大模型有機地結(jié)合，使得大模型的持續(xù)發(fā)展和應用更加順暢和高效。

他指出，未來 AI 新范式將是大模型與小模型相互協(xié)作的狀態(tài)，通過隱私計算技術實現(xiàn)知識遷移，推動人工智能向更高效、更安全的方向發(fā)展。  

全球機器學習技術大會：引領 AI 領域的風向標盛會

自 2017 年正式啟動全球機器學習技術大會以來，已有數(shù)萬名 AI 研究者、工程師及企業(yè)決策者齊聚一堂，共同見證 AI 技術的飛速演進。大會涵蓋從基礎理論到前沿應用的廣泛議題，包括大模型技術、多模態(tài) AI、生成式 AI、AI 工程實踐等，持續(xù)推動 AI 技術的創(chuàng)新與落地。

2025 全球機器學習技術大會（ML-Summit 2025）將延續(xù)這一傳統(tǒng)，匯聚全球頂級專家與產(chǎn)業(yè)領袖，圍繞十二大核心主題展開深度研討，為開發(fā)者提供最具價值的技術分享與行業(yè)趨勢洞察。

ML-Summit 2025 不僅是一場技術盛宴，更是企業(yè)展示創(chuàng)新成果、洽談深度合作的絕佳平臺。我們誠摯邀請各大廠商、技術服務提供商、初創(chuàng)企業(yè)以及行業(yè)領軍企業(yè)加入此次盛會，通過現(xiàn)場展示與互動，拓展業(yè)務機會、建立戰(zhàn)略合作。

歡迎洽談合作，搶占市場先機，攜手推動 AI 技術與產(chǎn)業(yè)的深度融合！

掃碼下方二維碼

「提前預約 2025 全球機器學習技術大會全套 PPT 資料」

官方網(wǎng)站：www.ml-summit.org

購票熱線：400-821-5876

購票咨詢：service@boolan.com

企業(yè)合作：partner@boolan.com

演講申請：hemiao@csdn.net

媒體聯(lián)系：media@boolan.com

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。