**机器学习和数据科学, **由一组在该领域的专家撰写和编辑,这份论文集合反映了机器学习和数据科学的最新和全面的现状,适用于工业、政府和学术界。

机器学习(ML)和数据科学(DS)是非常活跃的课题,在理论和应用方面都具有广泛的应用范围。它们已经成为一个重要的新兴科学领域和范式,推动了统计、计算科学和智能科学等学科的研究演变,以及科学、工程、公共部门、商业、社会科学和生活方式等领域的实践转型。同时,它们的应用提供了一些重要的挑战,这些挑战通常只能通过创新的机器学习和数据科学算法来解决。

这些算法涵盖了人工智能、数据分析、机器学习、模式识别、自然语言理解和大数据操作等更广泛的领域。他们还解决了相关的新的科学挑战,从数据捕获、创建、存储、检索、共享、分析、优化和可视化,到跨异构和相互依赖的复杂资源的集成分析,以更好的决策、协作,并最终创造价值。

成为VIP会员查看完整内容
40

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【干货书】机器学习线性代数与优化,507页pdf
专知会员服务
82+阅读 · 7月28日
【新书】机器学习算法,模型与应用,154页pdf
专知会员服务
51+阅读 · 1月20日
专知会员服务
74+阅读 · 2021年10月17日
专知会员服务
96+阅读 · 2021年9月16日
专知会员服务
57+阅读 · 2021年7月18日
专知会员服务
47+阅读 · 2021年5月29日
【干货书】Python机器学习,361页pdf
专知会员服务
183+阅读 · 2021年2月25日
【2020新书】数据科学与机器学习导论,220页pdf
专知会员服务
62+阅读 · 2020年9月14日
《机器学习》简明导论,21页pdf
专知
2+阅读 · 3月3日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
8+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
4+阅读 · 2008年12月31日
Arxiv
0+阅读 · 8月10日
Arxiv
0+阅读 · 8月9日
Arxiv
10+阅读 · 2020年11月26日
Arxiv
17+阅读 · 2019年11月23日
VIP会员
相关VIP内容
【干货书】机器学习线性代数与优化,507页pdf
专知会员服务
82+阅读 · 7月28日
【新书】机器学习算法,模型与应用,154页pdf
专知会员服务
51+阅读 · 1月20日
专知会员服务
74+阅读 · 2021年10月17日
专知会员服务
96+阅读 · 2021年9月16日
专知会员服务
57+阅读 · 2021年7月18日
专知会员服务
47+阅读 · 2021年5月29日
【干货书】Python机器学习,361页pdf
专知会员服务
183+阅读 · 2021年2月25日
【2020新书】数据科学与机器学习导论,220页pdf
专知会员服务
62+阅读 · 2020年9月14日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
8+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
4+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员