55页博士笔记总结ICLR 2019大会干货

作为今年上半年表现最为亮眼的人工智能顶会，ICLR 2019于5月6日至9日在美国新奥尔良举行。本届投稿比去年增长了近60%，共收到1591篇，录取率为31.7%。8个邀请演讲主题：

• Cynthia Dwork：算法公平性的进展

• Leon Bottou：Learning Representations Using Causal Invariance

• Emily Shuckburgh：机器学习能否有助于地球健康的检查

• Ian Goodfellow：对抗机器学习

• Pierre-Yves Oudeyer：发展自主学习：人工智能，认知科学和教育技术

• Zeynep Tufekci：虽然我们都担心机器学习的失败，但如果它成功了，潜伏着什么危险？

• Mirella Lapata：用神经模型学习自然语言界面

• Noah Goodman：在上下文中学习语言

下面为大家带来一份55页的ICLR 2019会议的Highlights笔记，由布朗大学博士四年级学生David Abel总结整理，通篇干货。这份笔记共分为3个部分，首先简单介绍了大会的亮点；接着介绍了第一天的算法公平性演讲和一些Workshop；后面主会部分提炼了部分演讲和会谈的亮点。

完整笔记下载：

https://david-abel.github.io/notes/iclr_2019.pdf

推荐阅读

马云：工作上要996，生活上要669

假装很忙的三个命令行工具

花了几天时间，总结了一份Python工程师的职业成长路径图

喜欢就点击“在看”吧！