机器学习可重复性最佳实践

【导读】机器学习、深度学习领域中一直存在一个令人头疼的问题--模型的可重复性问题。现在似乎很多研究人员都在谈论机器学习的可重复性问题，但是如何真正确保机器学习研究工作是可重复的呢？Kaggle平台的数据科学家Rachael Tatman给出了答案。

Rachael Tatman是Kaggle平台的数据科学家。 她获得了华盛顿大学语言学博士学位，主攻计算社会语言学，兴趣包括数据科学教育和机器学习的公平性。

个人主页：http://www.rctatman.com/

Reproducible research best practices (highlighting Kaggle Kernels)， 这是一个一天课程量的训练课程。在该课程中，Rachael Tatman向你展示如何进行一个现有的研究项目，并利用Kaggle Kernels使这个项目完全可重现出来。通过课程中介绍三个关键点来实现项目的可重复性，你可以学到绝佳的实践经验和技巧。

课程中具体介绍和实践的三个关键点是：

1. 数据(Data)：格式化和记录数据，以便于使用和后续重复使用。

2. 代码(Code)：规范你的代码，让你的代码可以易于为其他人（或您将来）运行和理解。

3. 计算环境(Computing environment)：标准化你的运行代码的计算环境，以确保最后输出结果的一致性。

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知），

• 后台回复“RPML” 就可以获取 Reproducible Machine Learning PPT下载~

参考链接：

https://conferences.oreilly.com/jupyter/jup-ny/public/schedule/detail/68323

附课程PPT全文：

-END-

专 · 知

人工智能领域主题知识资料查看与加入专知人工智能服务群：

专知AI知识技术服务会员群加入与人工智能领域26个主题知识资料全集获取。欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

 AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知