【精彩剧透】PyCon China 2022 邀您共赴技术 Party！

2022-12-08
江苏
本文字数：5216 字
阅读完需：约 17 分钟

PyCon China 每年由 PyChina 社区定期举办，现如今已成为中国大型的 Python 技术会议。我们希望汇聚更多的开发者们，一起交流 Python 技术，包括人工智能、Python 特性、网络安全、服务端开发、运维、医疗、金融、开源项目等更多 Python 相关的技术领域。

PyCon China 2022

今年是 PyCon China 的第十二个年头，我们将一如既往为大家提供一个展现自我，也倾听他人的舞台，让大家能在这里尽情地享受 Python 带来的乐趣。

PyCon China 2022 继续采用线上➕线下相结合的模式举办，我们将在北京举办线上分会场，同时上海/深圳/杭州三个城市举办线下会场，直播为大家提供线下、线上面对面的交流机会。

大会时间：2022 年 12 月 17 日

大会形式：线下相聚、线上直播

线下城市：上海、深圳、杭州

线上城市：北京

扫码报名：

上海站/线下

深圳站/线下

杭州站/线下

北京站/线上

嘉宾阵容剧透

大会正在紧锣密鼓的筹备中

今年有什么新鲜的玩法和惊喜呢？

PyCon China 2022 提前剧透来啦

！！！！！

我们邀请了

互联网大厂的技术专家

Python 领域活跃的伙伴

分别在线下上海/深圳/杭州站

线上北京站

为我们带来精彩的分享盛宴

👇👇👇

主会场

Keming

TensorChord

演讲主题：《在容器中开发机器学习应用程序》

主题简介：随着快速增长的机器学习生态系统，环境变得越来越复杂。为新项目建立一个方便的环境可能需要几天时间。同时，容器也变得成熟。公司将其服务部署到 Kubernetes 集群的生产环境中，平台正在努力提供云 IDE 环境，以帮助人们顺利入门。同样的事情也发生在机器学习行业。envd' 旨在将这些特性引入机器学习开发管道。

严懿宸

阿里云高级工程师

演讲主题：《Python 启动加速探索及实践》

主题简介：通过 PyCDS（代码对象共享）技术，将三方库的加载速度提升至与 Python 3.11 内置模块持平的速度。在不修改应用代码的情况下，实现 15%-20%的启动加速。该方案还被集成到了 Serverless 解决方案中，能够显著减少 Serverless 场景下的冷启动开销。

我们将从 CPython 社区相关工作、本方案的设计及实现、以及业务层面的集成等方面进行介绍。

上海站

活动报名：

线下参会：http://hdxu.cn/fMxVb

线上参会：http://hdxu.cn/fn0z1

Ai 兔兔

上海九方云智能科技有限公司

演讲主题：《在 AIGC 元年抛一块砖》

主题简介：2022 年被定义为 AIGC 元年。那么，什么是 AIGC？这个概念又是如何兴起的？它主要包含哪些方向和技术？它的未来又如何？哪些方向是我们该关注并下功夫去做的？在该演讲中，演讲者将作为一名不那么大型的公司中一名小小的程序员，谈谈自己对 AIGC 非常具有局限性的认识和看法。作为抛出的小小一块砖，希望能一石激起千层浪，引出更多的美玉。

古思为

NebulaGraph 项目开发者布道师，微软 MVP

演讲主题：《搭建基于图神经网络的实时欺诈检测系统》

主题简介：在这个主题中，为大家解谜基于图技术的欺诈检测方法，并给出他基于 Nebula-DGL（NebulaGraph-Deep Graph Library-Adaptor) 开源项目，端到端的设计代码实现，帮助大家快速了解整套 GNN 与图数据库结合的方法。

羿莉/YiLi

阿里云高级开发工程师

演讲主题：《Python Profiling 原理深入探索与实践》

主题简介：使用 Profiling 是监控代码的资源开销、定位问题的有效手段，基于已有的 Profiling 工具链，目前也出现了一些新兴的持续监控方案。此次分享我们将从 Python Profiling 的原理出发，讨论其最新的监控方案 Continuous Profiling 等，并动手实战完成 Python 系统的剖析与分析流程。

李枫

独立开发者

演讲主题：《Cocotb--硬件验证中的瑞士军刀》

主题简介：

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。

闪电演讲

韩骏：微软开发平台事业部高级软件工程师

演讲主题：《在浏览器中运行 Python》

主题简介：在 2019 年 12 月，W3C 正式宣布，WebAssembly 将成为除现有的 HTML、CSS 以及 JavaScript 之外的第四种，官方推荐在 Web 平台上使用的“语言”。

WebAssembly 的出现，使得不同的编程语言运行在浏览器中，成为了可能。

那么，我们如何能让 Python 运行在浏览器中？背后还需要用哪些技术？更进一步地，在纯浏览器环境中调试 Python 是否可行？

刘凡平：连续创业者

演讲主题：《基于 Python 的深度学习框架设计与实现》

主题简介：大致介绍思路：

（1）首先介绍深度学习框架的基本逻辑及原理；

（2）其次介绍 Python 针对深度学习框架的设计思路与架构；

（3）然后通过一个示例介绍该深度学习框架的实现，并通过 2-3 个案例，介绍该深度学习框架的应用方式及案例；

（4）最后延伸性介绍自实现的深度学习框架在不同场景中应用；

杨华：海豚跃跃联合创始人、首席运营官

演讲主题：《基于海量数据的实体关系抽取实践》

主题简介：通过案例综合介绍实体关系抽取，使得听众进一步了解 Python 在人工智能的相关应用。

杭州站

活动报名：

线下参会：http://hdxu.cn/52bJH

线上参会：http://hdxu.cn/7cxLP

朱宏林

阿里云程序语言与编译器研发工程师

演讲主题：《ARM 芯片的 Python+AI 算力优化》

主题简介：本次演讲，将向大家介绍我们在倚天 710 ARM 芯片上开展的 Python+AI 优化工作，以及在 ARM 云平台上部署 Python+AI 任务的最佳实践。

张翔

Python committer since 2016

PingCAP Cloud Ecosystem Service Team Leader

演讲主题：《使用 Streamlit 在 Python 脚本中快速构建一个可共享数据应用程序》

主题简介：streamlit 是一个开源库，它可以在几分钟内将数据脚本转换为可共享的 web 应用程序，全部使用纯 Python。本次演讲将向用户展示如何使用 streamlit 和 streamlit Cloud 来构建和部署一个数据应用程序，以及 streamlit 如何改变数据应用程序开发的工作流。结合 DBaaS（如 TiDB Cloud），用户可以安全地存储状态，并在数据应用程序中使用它们。

张凯莉

中兴通讯股份有限公司人工智能算法工程师

演讲主题：《Adlik 深度学习推理加速工具链的应用》

主题简介：Adlik 是一种将深度学习模型从训练完成，到部署到特定硬件并提供应用服务的端到端工具链，能够实现模型从研发状态到生产应用环境的高效切换；Adlik 与多种推理引擎协作（TensorFlow、TensorFlow_lite、PyTorch、TensorRT、OpenVINO、PaddlePaddle 和燧原芯片等），提供灵活的模型加速、部署、推理方案，助力用户构建高性能 AI 应用。

对于训练好的模型，Adlik 可以通过剪枝和量化对模型进行优化；优化好的模型可以使用 Adlik 的模型编译器进行模型转换（这部分通过简单的 Python 脚本即可完成），方便用户部署到云端、边侧或者端侧，Adlik 模型编译器目前支持大多数格式的模型文件（ckpt、pb、h5、onnx、pth 等），方便用户对于不同训练框架的模型进行操作；对于编译好的模型，用户可以使用 Adlik serving 进行服务部署，然后使用部署好的服务进行推理，同一个模型部署的不同类型的服务可以使用同一套 Python 客户端代码进行推理，方便用户测试最优的服务部署方案。

王铁震

hugigingface 工程师

前谷歌 TensorFlow 团队成员。

演讲主题：《人人都可以用的 AI 工具》

主题简介：

- 用 transformers 进行自然语言处理

- 用 diffusers 生成艺术作品

- 用 gradio 在线部署 AI 产品

闪电演讲

沈达：比图科技数据工程师

演讲主题：《Pants:Python 工程化必备构建工具》

主题简介：在数据与 AI 领域，Python 语言正大放异彩！但和 Python 在各个领域的广泛应用相比，其主流的构建工具非常羸弱。在 Python 项目变得更加复杂，参与的工程师数量攀升时，除了 Python 作为动态语言的固有缺点以外，构建和部署也是大型 Python 项目难以驾驭的一大原因。

Pants 正是解决大型 Python 项目的不二选择！沈达将从 Pants 用户的角度，阐释如何用 Pants 构筑 Python 工程化的基石。

深圳站

活动报名：

线下参会：http://hdxu.cn/8c4nd

线上参会：http://hdxu.cn/52VeE

康昊/Nemo

资深开发工程师

演讲主题：《Python 赋能智慧物流》

主题简介：随着电商发展及智能制造 2025 的加速落地，物流无人化、智能化优势显现。Python 完备的开源生态，使我们实现了基于云端的 AMR 智能调度系统，具备任务控制、交通管制、自动回充、异常/断点处理，机器学习等基本功能。其良好的 OOP 特性，契合了场景中地图、任务、AMR 等基本属性，根据不同场景继承基本功能再派生出各自属性，适配场景广，也便于功能迭代和维护。

同时开发了 AMR 仿真模型，剥离本体导航逻辑，实现适配 slam/二维码场景，具备状态机、运动、定位、任务模块的 AMR 仿真模型，用于场景仿真及方案论证。

刘宇宙

资深开发工程师

演讲主题：《云原生场景下的 AI 落地》

主题简介：云原生业已成为了云计算行业下一代的标准。目前，除了传统应用与基础架构的云原生化，AI 与大数据也开始拥抱云原生的架构。云原生下 AI 的落地旨在利用云原生的思想和技术，为 AI 场景的数据处理、模型训练、模型上线推理等需求构建弹性可扩展的系统架构的技术，在支持更广泛、多样的用户需求的同时，提高开发、运维和设备的效率。

卢建晖

微软云技术布道师

演讲主题：《用 GitHub 完成 Python 的全技术栈开发》

主题简介：大家有在 GitHub 做开源项目吗？新一代的 GitHub 不仅有代码，CI/CD 等项目管理的功能，还可以结合 GitHub CodeSpaces 完成跨终端跨应用场景的代码编译更好维护你的开源项目。本次课程会用 GitHub CodeSpaces 和 GitHub CodeSpaces 打造一个全场景 AIoT 解决方案。

付杰

Jina AI 高级软件工程师

演讲主题：《多模态应用场景下的高性能 Embedding 计算服务》

主题简介：本次演讲的主题是介绍多模态场景下的向量搜索技术，以及如何使用 CLIP-as-Service 的服务快速搭建跨模态向量检索引擎。本演讲首先会阐述目前多模态技术的发展应用及其多模态表征模型（尤其是 CLIP）的原理及一些相关的下游应用，然后讲述如何使用预训练好的多模态模型获得输入数据的 embedding，以及一个满足工业界需求的 embedding service 需要包含哪些功能。最后展示我们的 CLIP-as-Service 的一些现有功能以及一些简单的 demo。

黄志武

华世界集团创始人

演讲主题：《Python Web 大型项目开发进击之路》

主题简介：本议题主要介绍当时为什么选择 Django 作为 web 开发框架，今天我们还有哪些更好的选择。我们遇到了哪些问题，怎么解决的？主要从研发和平台发展的过程中分享遇到的实际的问题讲解如何解决。

王文洋

腾讯 TEG 编译器研发程序猿

演讲主题：《大规模生产环境下的 faster-cpython》

主题简介：CPython3.11 的出现给 Python 被人诟病的执行性能带来一丝惊喜。然而，作为软件基石的 Python 解释器，在大规模生产环境下如果贸然升级必然会带来难以预料的后果。

如何在生产环境下安全的享受 CPython3.11 带来的性能提升？相比较于 Cython、Numba 之类的库，从解释器层面进行优化又有哪些好处？作为 Python 开发者，如何评估代码的性能问题？让我们一起聊一聊 Python 性能提升那些事儿。

闪电演讲

代少飞：某互联网公司金融量化开发从业者，现从事 web3 相关工作

演讲主题：《使用 Python 分析 alpha vaults 策略》

主题简介：alpha vaults 已经被证明是非常成功的产品，让我们使用 Python 来解读他。

缪振海：Web3 从业者

演讲主题：《一个文科生的 Python 应用进阶之路》

主题介绍：如何使用 Python 提高效率，赋能工作和生活。

北京站

活动报名：http://hdxu.cn/RYxNJ

李奕澎 / Yipeng Li

NVIDIA 企业级开发者社区高级经理

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：通过本次活动 Python 的开发者将学习到语音识别、语音合成工作流程和原理，熟悉 Azure 与 NeMo 的使用，了解语音数据集构建、实践模型的训练与推理。掌握对话式 AI 的基础开发流程。

王博

Jina AI Engineering Manager

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。