【课程推荐】 深度学习中的新兴挑战（Emerging Challenges in Deep Learning）

课程题目： Emerging Challenges in Deep Learning

课程大纲：

• 知识嵌入在语言神经网络中，但是它们可以推理吗？
• 基于机器学习的蛋白质和小分子设计
• 人与人之间的高效深度学习
• 使ML目标与人类价值观相一致
• 灵活的神经网络和元学习的前言
• 价值函数近似的强化学习的难点
• 特征空间中的强化学习：复杂性和遗憾
• 决策过程中策略梯度方法的最优性和逼近性
• 政策外政策优化
• 推荐系统中的强化学习：一些挑战
• 通过优化镜头进行强化学习
• 迈向经过验证的深度学习
• 将约束集成到具有结构化的深度学习架构中
• 公平的衡量与错误衡量
• 采购作为政策：机器学习的管理流程
• 本地解释范式的内在取舍
• 如何失败的可解释性研究
• 从过去更好地学习：反事实/批量RL
• 设计健壮的学习者

主讲人： Chris Manning，托马斯·西贝尔（Thomas M. Siebel）机器学习教授，语言学和计算机科学教授，斯坦福人工智能实验室（SAIL）主任，以人为中心的人工智能研究所副主任。

Jennifer Listgarten，是加州大学伯克利分校 EECS系 和计算生物学中心的教授， 伯克利AI研究（BAIR）实验室指导委员会成员 ，以及 Chan Zuckerberg研究人员。

Zachary Lipton，在UCSD 人工智能小组进行了出色的4年博士学位研究之后，加入了卡内基梅隆大学（CMU），担任Tepper商学院的助理教授，并在机器学习系（MLD）和亨氏公共政策学院担任副教授等。

课程链接： https://simons.berkeley.edu/workshops/schedule/10629