cfp_zh.html

---
title: Web 与机器学习
layout: subpage_zh
---
    <aside class="box" id="virtual">
      <h2 class="footnote">
        此次研讨会将在线上进行！
      </h2>
      <p>这次研讨会将是一个完全的线上虚拟活动，有两个预先录制的话题和交互式对话环节。</p>
      
    </aside>
    <aside class="box" id="dates">
      <h2 class="footnote">
        重要日期
      </h2>
      <dl>
        <dt>2020年7月3日</dt>
        <dd><a href="speakers_zh.html#submit">提交演讲</a>的截止日期</dd>
        <dt>2020年7月6日</dt>
        <dd>演讲者通过审阅通知</dd>
        <dt>2020年7月31日</dt>
        <dd>被选中讲者<a href="speakers_zh.html#how">提供他们的录制演讲</a>的截止日期</dd>
        <dt>2020年8月14日</dt>
        <dd><a href="https://ti.to/w3c/web-machine-learning-virtual-workshop">研讨会参与者注册</a>的截止日期</dd>
        <dt>2020年8月17日</dt>
        <dd>公开所有已接受的演讲内容</dd>
        <dt>2020年9月</dt>
        <dd>四个线上实时会议</dd>
      </dl>
    </aside>
    <aside class="box" id="apply">
      <h2 class="footnote">
      在研讨会上进行一个演讲！
      </h2>
      <p>如果您认为您对机器学习和 web 浏览器的交叉学科有观点值得与更广泛的社区分享，我们很乐意听到您的意见！参见我们的<a href="speakers_zh.html">讲者信息</a>，以了解如何提交演讲，以及如果您被选中，我们对您的期望是什么。</p>
    </aside>

    <main id="main" class="main">
      <section id="home">
 
        <section id="intro">
          
          <h2 id="goals">
           🙋‍♂️ 研讨会的目标是什么？
          </h2>
          <p>研讨会的第一目标是召集机器学习工具和框架提供者及 Web 平台从业者共同探讨<strong>如何为机器学习在开放Web平台上的应用提供更好的基础支撑</strong>。</p>

          <p>研讨会第二目标如下：</p>
          <ul id="secondary-goals">
            <li>理解机器学习如何适应 Web 技术栈，
            </li>
            <li>理解基于浏览器的机器学习如何适应机器学习生态系统，
            </li>
            <li>探索机器学习技术对 Web 浏览器和 Web 应用的影响，
            </li>
            <li>评估制定机器学习 API 和标准化范式的可能性。
            </li>
          </ul>

          <h2 id="topics">
            🧐 研讨会将涵盖哪些话题？
          </h2>

          <p>下面的主题已经被提出(但还没有提交!)。我们正在寻求您的<a href=
            "https://bit.ly/webml-workshop-survey">反馈</a>！</p>
          <ul id="proposed-topics">
            <li>
              <span class="type type-lightning">闪电报告</span>
              基于浏览器的机器学习的机遇和挑战
              <ul>
                <li>隐私优先的机器学习方法
                </li>
                <li>实时浏览器内机器学习
                </li>
                <li>性能、兼容性、JS环境差异
                </li>
                <li>用于机器学习的领域特定编译器
                </li>
              </ul>
            </li>
            <li>
              <span class="type type-lightning">闪电报告</span> 机器学习的 Web 平台基础
              <ul>
                <li>Web 平台： 3万英尺的视野
                </li>
                <li>Web 平台和 JS 环境的约束
                </li>
                <li>通过机器学习库将机器学习引入 JS 生态系统
                </li>
                <li>用于机器学习的加速图形和计算 APIs
                </li>
                <li>快速，可移植的代码与 WebAssembly / WASI-nn
                </li>
                <li>使用 WebNN 访问特制的机器学习硬件
                </li>
              </ul>
            </li>
            <li>
              <span class="type type-lightning">闪电报告</span> Web 上的机器学习体验:开发者的视角
              <ul>
                <li>在浏览器中的设备培训
                </li>
                <li>Web 和 Schema.org 词汇表中的数据集
                </li>
                <li>网络机器学习模型的互操作性
                </li>
                <li>高级别加载和运行模型 VS 低级图形生成器 API
                </li>
                <li>集成模型和浏览器内数据源传感器，AV
                </li>
                <li>将模型部署到 Web 时的考虑事项
                </li>
                <li>TensorFlow.js
                </li>
                <li>ONNX.js
                </li>
                <li>Magenta.js
                </li>
                <li>ML5.js
                </li>
                <li>Paddle.js
                </li>
                <li>Web 架构中的机器学习
                </li>
              </ul>
            </li>
            <li>
              <span class="type type-lightning">闪电报告</span> Web 上的机器学习体验:用户的视角
              <ul>
                <li>Teachable Machine 和 Project Euphonia
                </li>
                <li>深度网络的可视化，“人可解释的神经网络”
                </li>
                <li>Web 无障碍的机会
                </li>
                <li>跨行业的案例研究
                </li>
                <li>Web 媒体技术路线图
                </li>
                <li>用机器学习增强媒体体验
                </li>
                <li>用机器学习创造艺术
                </li>
                <li>用机器学习制作音乐
                </li>
                <li>教会机器如何说话
                </li>
              </ul>
            </li>
            <li>
              <span class="type type-plenary">全体会议</span> 机器学习共识愿景
              <ul>
                <li>谁在做什么：标准中发生了什么，相关的开源项目中发生了什么。
                </li>
              </ul>
            </li>
          </ul>
          <h2 id="attend">
            🤩 如何参会？
          </h2>
       
          <p>
            研讨会对公众开放，不限于 W3C 会员。所有受邀人员均可<b>免费</b>参会。
          </p>
          <p>请在2020年8月14日前<a href="https://ti.to/w3c/web-machine-learning-virtual-workshop">注册报名</a></strong>参加活动，以方便项目委员会获知视频的可用性、为注册参与者讨论而设立论坛，以及2020年9月现场会议的后勤安排。项目委员会只接受报名资料与研讨会主题相关的参加者。</p>
          

          <p>包括本次研讨会在内，W3C 所有会议均在 W3C 的<a href="https://www.w3.org/Consortium/cepc/">职业道德与行为准则</a>的基础上开展。</p>

          <!--<p>See also the current <a href="participants.html">list of expected participants</a>.</p>-->
          <h2 id="position-statements">
             🗣️ 如何提交会议报告主题？
          </h2>
          <p>要提交一篇研讨会演讲，请参考我们<strong><a href="speakers_zh.html">讲者信息</a></strong>。</p>
          
        </section>
        <section>
          <h2 id="w3c">
            🌐 什么是 W3C？
          </h2>
          <p>
            W3C 是一个世界范围内开放的标准组织，汇集众多公司与社区成员共同围绕现有和新兴技术展开富有成效的讨论，其为 Web 标准设立了免版税的专利框架。W3C 主要关注客户端（浏览器）技术，并且拥有成熟的词汇表（或“本体”）开发历史。W3C 根据成员和社区输出的优先级开展相应标准化工作。
          </p>
        
        </section>
        <section>
          <h2 id="program">
          
            👋 项目委员会
          </h2>
          <h4>
            主席
          </h4>
          <ul class="pc">
            <li>Kelly Davis (Mozilla)
            </li>
            <li>Anssi Kostiainen (Intel)
            </li>
          </ul>
          <h4>
            委员会成员
          </h4>
           <ul class="pc">
            <li>Göran Eriksson (Ericsson)
            </li>
            <li>Dominique Hazaël-Massieux (W3C)
            </li>
            <li>Ningxin Hu (Intel)
            </li>
            <li>Dean Jackson (Apple)
            </li>
            <li>Sangwhan Moon
            </li>
            <li>Roy Ran (W3C)
            </li>
            <li>Georg Rehm (DFKI)
            </li>
            <li>Amy Siu (Beuth University of Applied Sciences, Berlin)
            </li>
            <li>Nikhil Thorat (Google)
            </li>
          </ul>
        </section>

      </section>
    </main>