报名 | Scala语言、AutoML 库,全流程AutoML系统该怎样设计?

2019 年 12 月 7 日 机器之心


从自动预处理到自动架构搜索,AutoML 期待将算法工程师「嵌入」到模型中,从而让小白也能快速建个模。然而 AutoML 目前还面临着很多难点,不仅是研究上,同时还在于工程上。我们希望强化学习和进化算法等基础技术在计算效率上能得到极大的进步,同时也希望好用、快速等体验得到工程化的大力支持。


本次机器之心线下技术分享会,我们邀请到了来自硅谷、专注于 AutoML 领域的 MoBagel 行动贝果的两位重磅嘉宾,一同为大家介绍全流程 AutoML 技术,详细解读自动机器学习如何实现机器学习的全民化。 在演讲分享之后,我们还安排了 AutoML 实战工作坊,通过实际案例的讲解,帮助大家深入了解全流程 AutoML 技术的商业应用,并抢先亲手体验行动贝果 Decanter AI (数醒™) 自动化机器学习平台。


主题演讲 1:让机器学习普及到每一张办公桌


 
钟哲民,MoBagel(行动贝果)CEO 兼联合创始人。 台湾大学资讯系、政治大学传播学院资策会兼任讲师,中华电信数据分公司专案执行长。 台湾国立大学计算科学专业博士、麻省理工学院统计及数据科学专业 MircoMaster、加州大学伯克利分校 SkyDeck Accelerator Program 成员。 入选多国创新合作计划,如 SoftBank, Nokia, Orange, Microsoft 等。 获得硅谷多家知名创投投资,如 500 Startups, Singtel Innov8, CyberAgent, FundersClub 等。 获选 MVP 百大经理人、中小企业最佳投资潜力奖、科技部新创十酷等。 Salesforce, Microsoft, AWS 等国际会议 IoT / AI 演讲嘉宾。


本演讲将为大家介绍 AutoML 的基本过程与概念,介绍完整的全流程 AutoML 系统的设计思路及主要机制。


主题演讲 2:使用演化算法解决贝叶斯问题,突破异质性超参数空间的限制性。


郭安哲,MoBagel (行动贝果) ML总监。 毕业于台湾交通大学计算机科学专业。 2017 年主办 Samazin (统计机器学习理论) Workshop 并担任主要演讲嘉宾。 毕业后任职于各样通讯领域(NDN, 5G Protocol),并创立 Freelance Studio。 曾在美国主导高微度生物统计分析软件的开发。 现在行动贝果,创立并建构整个自动化机器学习的建模引擎。


本主题演讲关注在 AutoML 场景下,如何使用演化算法来解决贝叶斯问题,从而突破异质性超参数空间的限制性。


活动流程

13: 30 – 14: 00  签到
14: 00 – 14: 40 主题演讲 1
14: 40 – 15: 15  主题演讲 2
15: 15 – 15: 30   用户分享
15: 30 – 15: 40  茶歇
15: 40 – 17: 10   实战工作坊(名额有限,需单独报名审核)
17: 10 – 17: 30   自由交流 


关于行动贝果 (MoBagel) 


行动贝果 (MoBagel) 是一群由顶尖数据科学家、工程师、产品项目管理师组成的专业团队。 团员来自各地名校,斯坦福、伯克利、牛津、清华大学等。 多年来行动贝果都专攻数据科学和机器学习技术,从 2015 年创立至今,行动贝果已经帮助超过 100 家企业将 AI 导入重要的企业决策中,合作客户遍布美国、日本、中国。


点击 「阅读原文」 参与报名。
登录查看更多
0

相关内容

【课程推荐】人工智能导论:Introduction to Articial Intelligence
CMU博士论文:可微优化机器学习建模
专知会员服务
54+阅读 · 2019年10月26日
自动机器学习:最新进展综述
专知会员服务
116+阅读 · 2019年10月13日
概述自动机器学习(AutoML)
人工智能学家
18+阅读 · 2019年8月11日
《AutoML:方法,系统,挑战》新书免费下载
极市平台
8+阅读 · 2019年5月29日
AutoML研究综述:让AI学习设计AI
机器之心
12+阅读 · 2019年5月7日
Auto-Keras与AutoML:入门指南
云栖社区
16+阅读 · 2019年2月9日
Deeplearning4j 快速入门
人工智能头条
14+阅读 · 2018年12月24日
自动机器学习(AutoML)最新综述
PaperWeekly
32+阅读 · 2018年11月7日
DTalk|自动化机器学习-人工智能的未来
机器之心
4+阅读 · 2018年9月15日
AutoML 和神经架构搜索初探
极市平台
9+阅读 · 2018年8月8日
Deeplearning4j的介绍与实例分享 | 公开课
AI研习社
14+阅读 · 2017年11月27日
Arxiv
3+阅读 · 2018年10月8日
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
8+阅读 · 2018年9月25日
Image Captioning based on Deep Reinforcement Learning
Relational Deep Reinforcement Learning
Arxiv
10+阅读 · 2018年6月28日
Arxiv
4+阅读 · 2018年4月30日
Arxiv
7+阅读 · 2018年3月21日
Arxiv
7+阅读 · 2018年1月24日
Arxiv
4+阅读 · 2017年11月14日
VIP会员
相关VIP内容
【课程推荐】人工智能导论:Introduction to Articial Intelligence
CMU博士论文:可微优化机器学习建模
专知会员服务
54+阅读 · 2019年10月26日
自动机器学习:最新进展综述
专知会员服务
116+阅读 · 2019年10月13日
相关资讯
概述自动机器学习(AutoML)
人工智能学家
18+阅读 · 2019年8月11日
《AutoML:方法,系统,挑战》新书免费下载
极市平台
8+阅读 · 2019年5月29日
AutoML研究综述:让AI学习设计AI
机器之心
12+阅读 · 2019年5月7日
Auto-Keras与AutoML:入门指南
云栖社区
16+阅读 · 2019年2月9日
Deeplearning4j 快速入门
人工智能头条
14+阅读 · 2018年12月24日
自动机器学习(AutoML)最新综述
PaperWeekly
32+阅读 · 2018年11月7日
DTalk|自动化机器学习-人工智能的未来
机器之心
4+阅读 · 2018年9月15日
AutoML 和神经架构搜索初探
极市平台
9+阅读 · 2018年8月8日
Deeplearning4j的介绍与实例分享 | 公开课
AI研习社
14+阅读 · 2017年11月27日
相关论文
Arxiv
3+阅读 · 2018年10月8日
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
8+阅读 · 2018年9月25日
Image Captioning based on Deep Reinforcement Learning
Relational Deep Reinforcement Learning
Arxiv
10+阅读 · 2018年6月28日
Arxiv
4+阅读 · 2018年4月30日
Arxiv
7+阅读 · 2018年3月21日
Arxiv
7+阅读 · 2018年1月24日
Arxiv
4+阅读 · 2017年11月14日
Top
微信扫码咨询专知VIP会员