您查看的活动已结束

李枫

独立开发者

    ​先后就职于摩托罗拉, 三星等IT公司, 现为独立开发者。在移动平台上积累了十年以上的研发经验, 近几年主要专注于云计算/边缘计算基础设施（包括AI,  Virtualization, Program Runtime, Network, 5G, RISC-V, EDA等软硬件领域）。

    ​是《灰帽黑客 第4版：正义黑客的道德规范、渗透测试、攻击方法和漏洞分析技术》（ISBN：9787302428671）和《恶意网络环境下的Linux防御之道 》（ISBN: 9787115544384）中文版的主要译者。

    ​对技术创新具有浓厚的兴趣和实践能力，热心参与开源社区的各种活动，多次参加各类IT会议。

过往各种技术分享（皆为第一作者）的链接如下：

      https://github.com/XianBeiTuoBaFeng2015/MySlides

演讲主题：Cocotb--硬件验证中的瑞士军刀

主题简介：

       由于易学易用的特性和成熟的生态，Python 在 EDA(电子设计自动化)领域已获得越来越多的应用。仿真验证是 IC 设计流程中非常重要的一环，传统上常使用 SystemVerilog 等硬件语言来开发 Testbench，Cocotb 的出现打破了这一常规--它是一个可以使用 Python 来编写VHDL/Verilog Testbench 的框架，基于 Python 的硬件项目测试验证极大简化了 Testbench 的开发，同时使得没有太多硬件开发经验的纯软件开发人员也可以完成相应的硬件验证工作。本议题将包含下列子话题：

       1) 基于 Python 的硬件测试验证综述；

       2) 基于 Cocotb 的 SpinalHDL 的测试验证，并在 ARM 开放硬件平台(如树莓派4)上实践；

       3) 使用 Cocotb 进行测试验证的智能网卡项目 Corundum，并在 ARM 开放硬件平台(如树莓派4)上实践； 

       4) 探索 Cocotb 的未来--CocotbD 项目的设想与设计。

        另附议题涉及的主要技术栈参考链接如下：

        Major reference links for the tech stack: 

        https://en.wikipedia.org/wiki/Electronic_design_automation

        https://en.wikipedia.org/wiki/Hardware_description_language 

        https://en.wikipedia.org/wiki/Hardware_verification_language

        https://github.com/ben-marshall/awesome-open-hardware-verification

        https://github.com/cocotb

        https://en.wikipedia.org/wiki/Coroutine#Implementations_for_Python

        https://github.com/SpinalHDL

        https://github.com/corundum/corundum

        https://en.wikipedia.org/wiki/ARM_architecture

        https://en.wikipedia.org/wiki/Raspberry_Pi

        https://github.com/ariovistus/pyd

NVIDIA 企业级开发者社区高级经理

拥有4年数据分析建模开发经验，5年人工智能自然语言处理开发经验。

在自动语音识别，自然语言处理，自然语言理解方面有着丰富的实战经验与见解。曾主导完成基于 NLP 的智能对话，智能信息抽取，意图识别，文本分类等多个项目。

演讲主题：基于 Python 实现语音 AI 的快速开发 — Azure+NeMo 实战

主题简介：

在数据科学与人工智能领域 Python 作为开发者的首选编程语言，它强大的生态为推动数据科学与人工智能的发展做出了巨大的贡献，其简洁的代码风格与开源的精神让广大的开发者发挥创造力开发出极其丰富的基于 Python 的开源工具库。

在对话式人工智能领域，NVIDIA NeMo 基于 Python 语言并以 Pytorch、PytorchLighting 深度学习框架作为开发后端，集成了自动语音识别 (ASR)、自然语言处理 (NLP) 和语音合成 (TTS)的模型及方法，通过快速加载先进的预训练模型 做到“开箱即用”，通过模型的配置文件可以 “化繁为简”，进而帮助 Python 的开发者可以快速构建如聊天机器人，智能语音翻译助手，虚拟数字人语音播报等语音 AI 的应用程序。

而语音 AI 的开发往往离不开强大的云平台的支持，Microsoft Azure 为我们开发者提供了十分完备的云端解决方案，可以帮助我们实现从边缘到云的连接、分析和自动化。结合边缘设备，即可完成不同行业领域的“云+边缘”解决方案，从而推动数字化转型，满足我们实际的开发与业务需要。

因此 PyCon China ，Microsoft Azure 、NVIDIA 企业开发者社区联合推出 “基于 Python 实现语音 AI 的快速开发 — Azure+NeMo 实战”的主题活动，基于 Python 编程语言，NVIDIA NeMo对话式AI工具库，以及 Microsoft Azure 与 NVIDIA Jetson 云端节点的支持，以“线上主题知识分享+在线动手实验”的形式，为广大 Python 使用者带来语音人工智能的知识分享和技术盛宴。

王博

Jina AI Engineering Manager

王博，本科毕业于兰州大学，硕士毕业于荷兰代尔夫特理工大学，多媒体信息检索方向。目前在 Jina AI 担任 Engineering Manager。王博是早期神经搜索框架 MatchZoo 的核心贡献者，是 Jina、Docarray 的核心贡献者，目前在领导 Finetuner 的研发。在加入 Jina 之前，王博曾在 Sensara（鹿特丹），IBM（阿姆斯特丹）担任机器学习工程师及研究助理。

演讲主题：我们的构建模型微调服务之旅

主题简介：

Jina 是构建跨模式和多模式应用程序的 MLOps 平台。我们的主要应用之一是神经搜索。神经搜索的目的是将不同形式的数据编码为向量表示，并在向量空间中找到最相似的项目。然而，由于预先训练的模型和应用领域的分布变化，模型微调对于弥补差距至关重要。在本次演讲中，我想分享我们如何对搜索嵌入进行微调，以及如何将模型微调作为一种服务，以更好地服务于最终用户。

张晋涛

API7.ai 云原生技术专家

Apache APISIX PMC, Kubernetes ingress-nginx maintainer，containerd/Docker/Helm/Kubernetes/KIND 等众多开源项目 contributor， 『K8S 生态周报』的维护者，微软 MVP。对 Docker 和 Kubernetes 等容器化技术有大量实践和深入源码的研究，业内多个知名大会讲师，PyCon China 核心组织者，写有 《Kubernetes 上手实践》、《Docker 核心知识必知必会》和《Kubernetes 安全原理与实践》等专栏。 公众号：MoeLove

演讲主题：用 Python 给 Kubernetes 写个自定义控制器

主题简介：

Kubernetes 提供了多种灵活的方式进行扩展，在实际使用过程中，我们也会遇到各种需要自定义扩展的场景。本次分享将介绍如何使用 Python 为 Kubernetes 开发一个自定义控制器，并实现一些常规的需求。