邢波(卡内基梅隆大学机器学习系副主任)的这场talk是一场非常insightful的报告,这场报告的主要点是围绕我们能不能像当年麦克斯韦统一电磁学一样来只用几个方程式就能统一现在众多的ML/AI算法。最后给出了展望:进入这个ML/AI领域的人不必是专家,或者对这方面有丰富知识的人,他们可以从一个最简单的equation开始,然后不断的向上加东西,就像玩乐高一样,然后创造出非常好的,有用的结果。
摘要:
在处理从数据实例、知识、约束、奖励、对手到不断增长的任务范围内的终身相互作用的广泛经验中,当代ML/AI研究已经产生了数以千计的模型、学习范例、优化算法,更不用说无数的逼近启发式、调优技巧、黑箱神谕,以及以上所有这些的组合。这些成果在推动该领域快速发展的同时,也使得对现有ML技术的全面掌握变得越来越困难,使ML/AI产品的标准化、可重复使用、可重复、可靠和可解释的实践以及进一步开发的成本变得非常高,如果可能的话。在这篇演讲中,我们从损失、优化求解器和模型架构等方面,给出了一个简单而系统的ML蓝图,为学习提供了一个统一的数学公式与所有的经验和任务。该蓝图提供了对各种ML算法的整体理解,指导使用ML以可组合和机械的方式创建问题解决方案,以及用于理论分析的统一框架。
视频:
地址:
https://video.ias.edu/machinelearning/2020/0806-EricXing
人们对ML/AI的期望越来越高,期待ML/AI能解决人类所有的问题,但是为了实现这些,你会发现有很多困难。你需要处理众多的ML/AI 模型,但是噩梦不在这里,当你选择模型后,你会发现有大量的算法和启发式理论,再此之后,你还需要处理大量不同的数据,如果你运气不好的话,这些数据中可能会包含大量的经验知识需要你来处理。
参考链接:
https://blog.csdn.net/weixin_38060850/article/details/107197763
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“SCML” 可以获取《ML模型太多该咋用?CMU-邢波教授视频报告《标准化与可组合机器学习》乐高式构建机器学习系统(附视频与报告)》专知下载链接索引