主题: Algorithmic Machine Learning and Data Science

介绍: 本课程数学严谨,需要以前的机器学习课程(例如CS-UY 4563、CS-GY 6923或ECE-GY 6143)和以前的算法设计和分析课程(例如CS-UY 2413、CS-GY 6033或CS-GY 6043)为基础。

讲师介绍: Christopher Musco,纽约大学坦顿工程学院计算机科学与工程的助理教授。他的研究是关于机器学习和数据科学的算法基础。他在麻省理工学院完成了计算机科学博士学位。在麻省理工学院之前,他是Redfin的工程师。

成为VIP会员查看完整内容
19

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
普林斯顿大学经典书《在线凸优化导论》,178页pdf
专知会员服务
184+阅读 · 2020年2月3日
【课程】概率图模型,卡内基梅隆大学邢波
专知会员服务
69+阅读 · 2019年11月4日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
48+阅读 · 2019年9月24日
CCCF译文 | 机器学习如何影响本科生计算机课程
中国计算机学会
6+阅读 · 2019年2月18日
斯坦福AI实验室换帅!Christopher Manning接替李飞飞
全球人工智能
7+阅读 · 2018年11月20日
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
Arxiv
4+阅读 · 2019年12月2日
Arxiv
22+阅读 · 2019年11月24日
Deep Learning for Energy Markets
Arxiv
10+阅读 · 2019年4月10日
Physical Primitive Decomposition
Arxiv
4+阅读 · 2018年9月13日
Mobile big data analysis with machine learning
Arxiv
6+阅读 · 2018年8月2日
Arxiv
6+阅读 · 2018年2月28日
Arxiv
6+阅读 · 2018年1月29日
VIP会员
相关论文
Arxiv
4+阅读 · 2019年12月2日
Arxiv
22+阅读 · 2019年11月24日
Deep Learning for Energy Markets
Arxiv
10+阅读 · 2019年4月10日
Physical Primitive Decomposition
Arxiv
4+阅读 · 2018年9月13日
Mobile big data analysis with machine learning
Arxiv
6+阅读 · 2018年8月2日
Arxiv
6+阅读 · 2018年2月28日
Arxiv
6+阅读 · 2018年1月29日
微信扫码咨询专知VIP会员