【导读】MLSS(Machine Learning Summer School) 暑期机器学习课程是一项历史悠久的机器学习课程了,最早始于2002年,致力于推广统计机器学习、深度学习及其应用。MLSS是一个为期12天的讲座式课程,今年的MLSS在伦敦召开。讲座嘉宾来自:DeepMind,斯坦福,MIT,帝国理工等等;讲座内容涵盖机器学习和深度学习的各个方面,一起来看看吧。
课程官网:
https://sites.google.com/view/mlss-2019
【课程及其讲师】
deep_learning(深度学习)
: Kevin Webster(帝国理工), Pierre Richemond(帝国理工), Kai Arulkumaran(帝国理工)
optimisation(最优化)
: John Duchi(斯坦福)
variational_inference(变分推断)
: Shakir Mohamed(DeepMind)
reinforcement_learning(强化学习)
: Katja Hofmann(微软研究院)
gaussian_processes(高斯过程)
: James Hensman(PROWLER.io)
kernels(核方法)
: Lorenzo Rosasco(MIT)
mcmc(马尔科夫链蒙特卡罗)
: Michael Betancourt(Symplectomorphic)
approximate_bayesian_computation(近似贝叶斯计算)
: Sarah Filippi(帝国理工)
speech_processing(语音处理)
: Karen Livescu(丰田技术研究院)
ml_in_comp_biology(计算生物学中的机器学习)
: Barbara Engelhardt(普林斯顿大学)
fairness(公平性)
: Timnit Gebru(Google)
interpretability(可解释性)
: Sanmi Koyejo(Google)
learning_theory(学习理论)
: Samory Kpotufe(哥伦比亚大学)
submodular(子模性)
: Stefanie Jegelka(MIT)
【部分PPT】
deep_learning(深度学习)
: Kevin Webster(帝国理工), Pierre Richemond(帝国理工), Kai Arulkumaran(帝国理工)
optimisation(最优化)
: John Duchi(斯坦福)
variational_inference(变分推断)
: Shakir Mohamed(DeepMind)
reinforcement_learning(强化学习)
: Katja Hofmann(微软研究院)
gaussian_processes(高斯过程)
: James Hensman(PROWLER.io)
kernels(核方法)
: Lorenzo Rosasco(MIT)
mcmc(马尔科夫链蒙特卡罗)
: Michael Betancourt(Symplectomorphic)
approximate_bayesian_computation(近似贝叶斯计算)
: Sarah Filippi(帝国理工)
speech_processing(语音处理)
: Karen Livescu(丰田技术研究院)
ml_in_comp_biology(计算生物学中的机器学习)
: Barbara Engelhardt(普林斯顿大学)
fairness(公平性)
: Timnit Gebru(Google)
interpretability(可解释性)
: Sanmi Koyejo(Google)
learning_theory(学习理论)
: Samory Kpotufe(哥伦比亚大学)
submodular(子模性)
: Stefanie Jegelka(MIT)
请关注专知公众号(点击上方蓝色专知关注)
后台回复“MLSS2019” 就可以获取上述所有PPT下载链接~
-END-
专 · 知
专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎登录www.zhuanzhi.ai,注册登录专知,获取更多AI知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询!
请加专知小助手微信(扫一扫如下二维码添加),加入专知人工智能主题群,咨询技术商务合作~
专知《深度学习:算法到实战》课程全部完成!560+位同学在学习,现在报名,限时优惠!网易云课堂人工智能畅销榜首位!
点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程