会员服务
ICFP · ML · 牛津大学 (University of Oxford) · 编程语言 ·
2019 年 5 月 15 日
Proceedings ML Family / OCaml Users and Developers workshops
翻译：ML家庭/OCaml用户和开发者讲习班
Sam Lindley,Gabriel Scherer
Sam Lindley,Gabriel Scherer

This volume contains the joint post-proceedings of the 2017 editions of the ML Family Workshop and the OCaml Users and Developers Workshop which took place in Oxford, UK, September 2017, and which were colocated with the ICFP 2017 conference.


翻译：该卷载有2017年多产家庭讲习班和OCaml用户和开发者讲习班的联合后程序,这两个讲习班于2017年9月在联合王国牛津举行,与2017年国际计划生育会议合用同一地点。
0
下载
关闭预览

相关内容

ICFP（internationalconferenceonfunctionalprogramming）是一年一度的编程语言会议。它是由计算机机械协会（ACM）与国际信息处理联合会（IFIP）第2.8工作组联合主办，由ACM编程语言特别兴趣小组（SIGPLAN）主持。ICFP结合了两个以前的两年一度的会议：功能编程和计算机体系结构（FPCA）以及Lisp和功能编程（LFP）。 官网链接：http://www.icfpconference.org/
【快讯】ECCV 2020论文出炉，1361篇上榜， 你的paper中了吗？
【快讯】ECCV 2020论文出炉，1361篇上榜， 你的paper中了吗？
专知会员服务
56+阅读 · 2020年7月3日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
【CVPR 2019 | tutorial】野外家庭的视觉识别： Visual Recognition of Families In the Wild
【CVPR 2019 | tutorial】野外家庭的视觉识别： Visual Recognition of Families In the Wild
专知会员服务
9+阅读 · 2019年11月28日
【MLA 2019】机器学习中分布式鲁棒优化的一阶算法框架( Towards a First-Order Algorithmic Framework for Distributionally Robust Optimization in Machine Learning),香港中文大学 苏文藻
【MLA 2019】机器学习中分布式鲁棒优化的一阶算法框架( Towards a First-Order Algorithmic Framework for Distributionally Robust Optimization in Machine Learning),香港中文大学 苏文藻
专知会员服务
27+阅读 · 2019年11月6日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
57+阅读 · 2019年10月17日
2019年机器学习框架回顾
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
计算机类 | ISCC 2019等国际会议信息9条
计算机类 | ISCC 2019等国际会议信息9条
Call4Papers
5+阅读 · 2018年12月25日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
人工智能 | COLT 2019等国际会议信息9条
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
人工智能 | 国际会议截稿信息9条
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
计算机类 | 期刊专刊截稿信息9条
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
人工智能 | 国际会议/SCI期刊约稿信息9条
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
人工智能 | 国际会议截稿信息5条
人工智能 | 国际会议截稿信息5条
Call4Papers
6+阅读 · 2017年11月22日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Hyper-Parameter Optimization: A Review of Algorithms and Applications
Hyper-Parameter Optimization: A Review of Algorithms and Applications
Arxiv
16+阅读 · 2020年3月12日
MetaSelector: Meta-Learning for Recommendation with User-Level Adaptive Model Selection
Arxiv
4+阅读 · 2020年2月13日
A Survey of Learning Causality with Data: Problems and Methods
A Survey of Learning Causality with Data: Problems and Methods
Arxiv
19+阅读 · 2018年9月25日
Linkage between Piecewise Constant Mumford-Shah model and ROF model and its virtue in image segmentation
Linkage between Piecewise Constant Mumford-Shah model and ROF model and its virtue in image segmentation
Arxiv
4+阅读 · 2018年7月26日
Multimodal Sentiment Analysis To Explore the Structure of Emotions
Arxiv
19+阅读 · 2018年5月25日
Variational Inference In Pachinko Allocation Machines
Arxiv
8+阅读 · 2018年4月21日
Sentiment Analysis of Code-Mixed Indian Languages: An Overview of SAIL_Code-Mixed Shared Task @ICON-2017
Arxiv
6+阅读 · 2018年3月18日
SentiBubbles: Topic Modeling and Sentiment Visualization of Entity-centric Tweets
Arxiv
3+阅读 · 2018年1月23日
Negative Binomial Matrix Factorization for Recommender Systems
Arxiv
8+阅读 · 2018年1月5日
Twitter Sentiment Analysis
Arxiv
5+阅读 · 2015年9月14日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
ICFP
ML
牛津大学 (University of Oxford)
编程语言
相关VIP内容
【快讯】ECCV 2020论文出炉，1361篇上榜， 你的paper中了吗？
【快讯】ECCV 2020论文出炉，1361篇上榜， 你的paper中了吗？
专知会员服务
56+阅读 · 2020年7月3日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
【CVPR 2019 | tutorial】野外家庭的视觉识别： Visual Recognition of Families In the Wild
【CVPR 2019 | tutorial】野外家庭的视觉识别： Visual Recognition of Families In the Wild
专知会员服务
9+阅读 · 2019年11月28日
【MLA 2019】机器学习中分布式鲁棒优化的一阶算法框架( Towards a First-Order Algorithmic Framework for Distributionally Robust Optimization in Machine Learning),香港中文大学 苏文藻
【MLA 2019】机器学习中分布式鲁棒优化的一阶算法框架( Towards a First-Order Algorithmic Framework for Distributionally Robust Optimization in Machine Learning),香港中文大学 苏文藻
专知会员服务
27+阅读 · 2019年11月6日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
57+阅读 · 2019年10月17日
2019年机器学习框架回顾
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
热门VIP内容
相关资讯
计算机类 | ISCC 2019等国际会议信息9条
计算机类 | ISCC 2019等国际会议信息9条
Call4Papers
5+阅读 · 2018年12月25日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
人工智能 | COLT 2019等国际会议信息9条
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
人工智能 | 国际会议截稿信息9条
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
计算机类 | 期刊专刊截稿信息9条
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
人工智能 | 国际会议/SCI期刊约稿信息9条
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
人工智能 | 国际会议截稿信息5条
人工智能 | 国际会议截稿信息5条
Call4Papers
6+阅读 · 2017年11月22日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
Hyper-Parameter Optimization: A Review of Algorithms and Applications
Hyper-Parameter Optimization: A Review of Algorithms and Applications
Arxiv
16+阅读 · 2020年3月12日
MetaSelector: Meta-Learning for Recommendation with User-Level Adaptive Model Selection
Arxiv
4+阅读 · 2020年2月13日
A Survey of Learning Causality with Data: Problems and Methods
A Survey of Learning Causality with Data: Problems and Methods
Arxiv
19+阅读 · 2018年9月25日
Linkage between Piecewise Constant Mumford-Shah model and ROF model and its virtue in image segmentation
Linkage between Piecewise Constant Mumford-Shah model and ROF model and its virtue in image segmentation
Arxiv
4+阅读 · 2018年7月26日
Multimodal Sentiment Analysis To Explore the Structure of Emotions
Arxiv
19+阅读 · 2018年5月25日
Variational Inference In Pachinko Allocation Machines
Arxiv
8+阅读 · 2018年4月21日
Sentiment Analysis of Code-Mixed Indian Languages: An Overview of SAIL_Code-Mixed Shared Task @ICON-2017
Arxiv
6+阅读 · 2018年3月18日
SentiBubbles: Topic Modeling and Sentiment Visualization of Entity-centric Tweets
Arxiv
3+阅读 · 2018年1月23日
Negative Binomial Matrix Factorization for Recommender Systems
Arxiv
8+阅读 · 2018年1月5日
Twitter Sentiment Analysis
Arxiv
5+阅读 · 2015年9月14日
Top
微信扫码咨询专知VIP会员
Top