会员服务
Andrew Ng · AAAI 2022 · 人工智能 · 以数据为中心的人工智能 · 演讲 ·
2022 年 2 月 26 日
【吴恩达AAAI2022演讲】以数据为中心的人工智能，The Data-Centric AI
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

以数据为中心的AI (DCAI)代表了最近从专注于建模到用于训练和评估模型的底层数据的转变。越来越多地，通用模型架构开始主导广泛的任务，可预测的扩展规则也出现了。虽然构建和使用数据集是这些成功的关键，但这种努力往往是手工的——辛苦而昂贵。社区缺乏高生产率和高效的开放数据工程工具，使得构建、维护和评估数据集更容易、更便宜、更可重复。在演讲中，Ng博士将介绍DCAI是什么，面临的挑战，以及使用DCAI方法的技巧。

https://aaai-2022.virtualchair.net/plenary_3.html

成为VIP会员查看完整内容
https://aaai.org/Conferences/AAAI-22/invited-speakers/
【Video&Slides】The Data-Centric AI
75

相关内容

个人主页： Andrew Ng Wikipedia: Andrew Ng
吳恩達是斯坦福大学计算机科学系和电气工程系的副教授，斯坦福人工智能实验室的主任。他还与达芙妮·科勒一起创建了在线教育平台Coursera。

2011年，吳恩達在Google創建了Google Brain項目，以通過分佈式集群計算機開發超大規模的人工神經網絡。2014年5月16日，吴恩達加入百度，负责「百度大脑」计划。他将同时担任百度公司首席科学家。
MIT《人工智能和机器人的高效计算: 从硬件加速器到算法设计》60页PPT
MIT《人工智能和机器人的高效计算: 从硬件加速器到算法设计》60页PPT
专知会员服务
41+阅读 · 2022年3月30日
【吴恩达报告】以数据为中心的人工智能技巧
【吴恩达报告】以数据为中心的人工智能技巧
专知会员服务
51+阅读 · 2022年3月21日
AAAI2022最新「人工智能规划」教程报告，120页PPT阐述AI规划理论与实践进展
AAAI2022最新「人工智能规划」教程报告，120页PPT阐述AI规划理论与实践进展
专知会员服务
90+阅读 · 2022年3月6日
数据与机器学习，人工智能报告
数据与机器学习，人工智能报告
专知会员服务
98+阅读 · 2022年2月21日
【WWW2021】神经公平协同过滤的去偏见职业推荐
专知会员服务
18+阅读 · 2021年4月7日
「元学习」最新AAAI2021-Tutorial，附视频与240页ppt
「元学习」最新AAAI2021-Tutorial，附视频与240页ppt
专知会员服务
116+阅读 · 2021年2月7日
【WWW2020】可解释人工智能(XAI): 工业界挑战与经验教训，180页ppt
【WWW2020】可解释人工智能(XAI): 工业界挑战与经验教训，180页ppt
专知会员服务
259+阅读 · 2020年4月23日
AAAI2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
AAAI2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
专知会员服务
115+阅读 · 2020年1月13日
【Freddy Lecue 博士|公开演讲】可解释XAI人工智能进展（Explainable AI-The Story So Far），Sungkyunkwan University 2019
【Freddy Lecue 博士|公开演讲】可解释XAI人工智能进展（Explainable AI-The Story So Far），Sungkyunkwan University 2019
专知会员服务
31+阅读 · 2019年11月11日
【Freddy Lecue 博士|公开演讲】关于知识图谱在可解释AI中的作用（On The Role of Knowledge Graphs in Explainable AI.），International Semantic Web Conference 2019
【Freddy Lecue 博士|公开演讲】关于知识图谱在可解释AI中的作用（On The Role of Knowledge Graphs in Explainable AI.），International Semantic Web Conference 2019
专知会员服务
72+阅读 · 2019年11月11日
腾讯AI Lab「云深」平台开源业内首个药物AI大型分布外研究框架DrugOOD
腾讯AI Lab「云深」平台开源业内首个药物AI大型分布外研究框架DrugOOD
腾讯AI实验室
0+阅读 · 2022年4月2日
吴恩达：AI的下一个发展方向，从大数据转向小数据
吴恩达：AI的下一个发展方向，从大数据转向小数据
机器之心
0+阅读 · 2022年2月18日
吴恩达新动作：建立全新机器学习资源Hub，「以数据为中心的AI」大本营
吴恩达新动作：建立全新机器学习资源Hub，「以数据为中心的AI」大本营
量子位
0+阅读 · 2022年2月17日
吴恩达：告别，大数据！
吴恩达：告别，大数据！
CVer
0+阅读 · 2022年2月13日
吴恩达：AI是时候从大数据转向「小数据」了
吴恩达：AI是时候从大数据转向「小数据」了
量子位
1+阅读 · 2022年2月12日
聚焦「以数据为中心的AI」，斯坦福、ETH联合线上研讨会来了
聚焦「以数据为中心的AI」，斯坦福、ETH联合线上研讨会来了
机器之心
0+阅读 · 2021年11月16日
关注数据而不是模型：我是如何赢得吴恩达首届 Data-centric AI 竞赛的
关注数据而不是模型：我是如何赢得吴恩达首届 Data-centric AI 竞赛的
THU数据派
2+阅读 · 2021年10月27日
【干货】Ian GoodFellow ICLR 2019演讲：对抗机器学习的进展与挑战
【干货】Ian GoodFellow ICLR 2019演讲：对抗机器学习的进展与挑战
GAN生成式对抗网络
18+阅读 · 2019年5月15日
斯坦福AI实验室机器学习编程新范式：弱监督
斯坦福AI实验室机器学习编程新范式：弱监督
机器之心
12+阅读 · 2019年3月22日
AAA2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
AAA2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
专知
17+阅读 · 2019年1月28日
肠道HCN通道在IBS发病中的作用
国家自然科学基金
1+阅读 · 2015年12月31日
提升《高校应用数学学报》的影响力
国家自然科学基金
0+阅读 · 2015年8月31日
功能性核磁共振电阻抗断层成像中的反问题研究
国家自然科学基金
0+阅读 · 2014年12月31日
基于深度神经网络的自动作文评分算法研究
国家自然科学基金
1+阅读 · 2014年12月31日
面向用户的数据质量管理方法研究
国家自然科学基金
5+阅读 · 2014年12月31日
社区美沙酮维持治疗评估预测模型(EPM-MMT)的构建和应用
国家自然科学基金
1+阅读 · 2014年12月31日
基于胸腺恢复的AIDS患者T淋巴细胞受体库多样性研究
国家自然科学基金
1+阅读 · 2012年12月31日
基于第一性原理的电子与固体相互作用的蒙特卡洛模型及研究
国家自然科学基金
0+阅读 · 2012年12月31日
基于用户反馈的Web数据集成中的数据质量管理
国家自然科学基金
2+阅读 · 2011年12月31日
并行数据和调查数据质量管理
国家自然科学基金
0+阅读 · 2011年12月31日
Learning to Fill the Seam by Vision: Sub-millimeter Peg-in-hole on Unseen Shapes in Real World
Learning to Fill the Seam by Vision: Sub-millimeter Peg-in-hole on Unseen Shapes in Real World
Arxiv
0+阅读 · 2022年4月20日
Named Entity Recognition for Partially Annotated Datasets
Arxiv
0+阅读 · 2022年4月19日
LayoutLMv3: Pre-training for Document AI with Unified Text and Image Masking
LayoutLMv3: Pre-training for Document AI with Unified Text and Image Masking
Arxiv
0+阅读 · 2022年4月19日
Separating Sessions Smoothly
Arxiv
0+阅读 · 2022年4月18日
Automated Data Augmentations for Graph Classification
Automated Data Augmentations for Graph Classification
Arxiv
1+阅读 · 2022年4月18日
Improving both domain robustness and domain adaptability in machine translation
Arxiv
0+阅读 · 2022年4月17日
Data-Centric Distrust Quantification for Responsible AI: When Data-driven Outcomes Are Not Reliable
Arxiv
0+阅读 · 2022年4月16日
Model-agnostic Multi-Domain Learning with Domain-Specific Adapters for Action Recognition
Arxiv
0+阅读 · 2022年4月15日
Domain Generalization in Vision: A Survey
Arxiv
16+阅读 · 2021年7月18日
Infusing Knowledge into the Textual Entailment Task Using Graph Convolutional Networks
Infusing Knowledge into the Textual Entailment Task Using Graph Convolutional Networks
Arxiv
22+阅读 · 2019年11月5日
VIP会员
相关主题
Andrew Ng
AAAI 2022
人工智能
以数据为中心的人工智能
演讲
相关VIP内容
MIT《人工智能和机器人的高效计算: 从硬件加速器到算法设计》60页PPT
MIT《人工智能和机器人的高效计算: 从硬件加速器到算法设计》60页PPT
专知会员服务
41+阅读 · 2022年3月30日
【吴恩达报告】以数据为中心的人工智能技巧
【吴恩达报告】以数据为中心的人工智能技巧
专知会员服务
51+阅读 · 2022年3月21日
AAAI2022最新「人工智能规划」教程报告，120页PPT阐述AI规划理论与实践进展
AAAI2022最新「人工智能规划」教程报告，120页PPT阐述AI规划理论与实践进展
专知会员服务
90+阅读 · 2022年3月6日
数据与机器学习，人工智能报告
数据与机器学习，人工智能报告
专知会员服务
98+阅读 · 2022年2月21日
【WWW2021】神经公平协同过滤的去偏见职业推荐
专知会员服务
18+阅读 · 2021年4月7日
「元学习」最新AAAI2021-Tutorial，附视频与240页ppt
「元学习」最新AAAI2021-Tutorial，附视频与240页ppt
专知会员服务
116+阅读 · 2021年2月7日
【WWW2020】可解释人工智能(XAI): 工业界挑战与经验教训，180页ppt
【WWW2020】可解释人工智能(XAI): 工业界挑战与经验教训，180页ppt
专知会员服务
259+阅读 · 2020年4月23日
AAAI2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
AAAI2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
专知会员服务
115+阅读 · 2020年1月13日
【Freddy Lecue 博士|公开演讲】可解释XAI人工智能进展（Explainable AI-The Story So Far），Sungkyunkwan University 2019
【Freddy Lecue 博士|公开演讲】可解释XAI人工智能进展（Explainable AI-The Story So Far），Sungkyunkwan University 2019
专知会员服务
31+阅读 · 2019年11月11日
【Freddy Lecue 博士|公开演讲】关于知识图谱在可解释AI中的作用（On The Role of Knowledge Graphs in Explainable AI.），International Semantic Web Conference 2019
【Freddy Lecue 博士|公开演讲】关于知识图谱在可解释AI中的作用（On The Role of Knowledge Graphs in Explainable AI.），International Semantic Web Conference 2019
专知会员服务
72+阅读 · 2019年11月11日
热门VIP内容
相关资讯
腾讯AI Lab「云深」平台开源业内首个药物AI大型分布外研究框架DrugOOD
腾讯AI Lab「云深」平台开源业内首个药物AI大型分布外研究框架DrugOOD
腾讯AI实验室
0+阅读 · 2022年4月2日
吴恩达：AI的下一个发展方向，从大数据转向小数据
吴恩达：AI的下一个发展方向，从大数据转向小数据
机器之心
0+阅读 · 2022年2月18日
吴恩达新动作：建立全新机器学习资源Hub，「以数据为中心的AI」大本营
吴恩达新动作：建立全新机器学习资源Hub，「以数据为中心的AI」大本营
量子位
0+阅读 · 2022年2月17日
吴恩达：告别，大数据！
吴恩达：告别，大数据！
CVer
0+阅读 · 2022年2月13日
吴恩达：AI是时候从大数据转向「小数据」了
吴恩达：AI是时候从大数据转向「小数据」了
量子位
1+阅读 · 2022年2月12日
聚焦「以数据为中心的AI」，斯坦福、ETH联合线上研讨会来了
聚焦「以数据为中心的AI」，斯坦福、ETH联合线上研讨会来了
机器之心
0+阅读 · 2021年11月16日
关注数据而不是模型：我是如何赢得吴恩达首届 Data-centric AI 竞赛的
关注数据而不是模型：我是如何赢得吴恩达首届 Data-centric AI 竞赛的
THU数据派
2+阅读 · 2021年10月27日
【干货】Ian GoodFellow ICLR 2019演讲：对抗机器学习的进展与挑战
【干货】Ian GoodFellow ICLR 2019演讲：对抗机器学习的进展与挑战
GAN生成式对抗网络
18+阅读 · 2019年5月15日
斯坦福AI实验室机器学习编程新范式：弱监督
斯坦福AI实验室机器学习编程新范式：弱监督
机器之心
12+阅读 · 2019年3月22日
AAA2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
AAA2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
专知
17+阅读 · 2019年1月28日
相关基金
肠道HCN通道在IBS发病中的作用
国家自然科学基金
1+阅读 · 2015年12月31日
提升《高校应用数学学报》的影响力
国家自然科学基金
0+阅读 · 2015年8月31日
功能性核磁共振电阻抗断层成像中的反问题研究
国家自然科学基金
0+阅读 · 2014年12月31日
基于深度神经网络的自动作文评分算法研究
国家自然科学基金
1+阅读 · 2014年12月31日
面向用户的数据质量管理方法研究
国家自然科学基金
5+阅读 · 2014年12月31日
社区美沙酮维持治疗评估预测模型(EPM-MMT)的构建和应用
国家自然科学基金
1+阅读 · 2014年12月31日
基于胸腺恢复的AIDS患者T淋巴细胞受体库多样性研究
国家自然科学基金
1+阅读 · 2012年12月31日
基于第一性原理的电子与固体相互作用的蒙特卡洛模型及研究
国家自然科学基金
0+阅读 · 2012年12月31日
基于用户反馈的Web数据集成中的数据质量管理
国家自然科学基金
2+阅读 · 2011年12月31日
并行数据和调查数据质量管理
国家自然科学基金
0+阅读 · 2011年12月31日
相关论文
Learning to Fill the Seam by Vision: Sub-millimeter Peg-in-hole on Unseen Shapes in Real World
Learning to Fill the Seam by Vision: Sub-millimeter Peg-in-hole on Unseen Shapes in Real World
Arxiv
0+阅读 · 2022年4月20日
Named Entity Recognition for Partially Annotated Datasets
Arxiv
0+阅读 · 2022年4月19日
LayoutLMv3: Pre-training for Document AI with Unified Text and Image Masking
LayoutLMv3: Pre-training for Document AI with Unified Text and Image Masking
Arxiv
0+阅读 · 2022年4月19日
Separating Sessions Smoothly
Arxiv
0+阅读 · 2022年4月18日
Automated Data Augmentations for Graph Classification
Automated Data Augmentations for Graph Classification
Arxiv
1+阅读 · 2022年4月18日
Improving both domain robustness and domain adaptability in machine translation
Arxiv
0+阅读 · 2022年4月17日
Data-Centric Distrust Quantification for Responsible AI: When Data-driven Outcomes Are Not Reliable
Arxiv
0+阅读 · 2022年4月16日
Model-agnostic Multi-Domain Learning with Domain-Specific Adapters for Action Recognition
Arxiv
0+阅读 · 2022年4月15日
Domain Generalization in Vision: A Survey
Arxiv
16+阅读 · 2021年7月18日
Infusing Knowledge into the Textual Entailment Task Using Graph Convolutional Networks
Infusing Knowledge into the Textual Entailment Task Using Graph Convolutional Networks
Arxiv
22+阅读 · 2019年11月5日
微信扫码咨询专知VIP会员
Top