主题: Experimental Design for Machine Learning on Multimedia Data

摘要: 本课程将为多媒体数据机器学习实验的实验设计提供理论和实践的视角。课程包括讲座和实践部分。本课程将从理论上介绍各种媒体类型的机器学习设计和信号处理,包括视觉内容、时间结构、声音内容、元数据、用户评论等。此外,本课程还将讨论多媒体内容分析领域的当代工作。

邀请嘉宾: Gerald Friedland,2006年获得计算机科学博士学位后移居美国,获得了博士学位。目前在劳伦斯·利弗莫尔国家实验室(Lawrence Livermore National Lab)担任首席数据科学家,并在加州大学伯克利分校EECS系任兼职教授。

成为VIP会员查看完整内容
csEDMLMD-1-2019.pdf
csEDMLMD-3-2019.pdf
csEDMLMD-2-2019.pdf
7

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
【CMU】机器学习导论课程(Introduction to Machine Learning)
专知会员服务
58+阅读 · 2019年8月26日
已删除
将门创投
7+阅读 · 2019年10月15日
VALSE Webinar 19-24期 去雨去雾专题
VALSE
23+阅读 · 2019年9月12日
Acta Mater. 基于机器学习设计出新型超高强不锈钢
材料科学与工程
5+阅读 · 2019年9月2日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
ACM UMAP 2018:用户建模与个性化国际会议征搞
LibRec智能推荐
4+阅读 · 2017年10月9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
42+阅读 · 2019年12月20日
Arxiv
20+阅读 · 2019年11月24日
Arxiv
12+阅读 · 2019年3月14日
Image Captioning based on Deep Reinforcement Learning
Mobile big data analysis with machine learning
Arxiv
6+阅读 · 2018年8月2日
VIP会员
相关VIP内容
【CMU】机器学习导论课程(Introduction to Machine Learning)
专知会员服务
58+阅读 · 2019年8月26日
相关资讯
已删除
将门创投
7+阅读 · 2019年10月15日
VALSE Webinar 19-24期 去雨去雾专题
VALSE
23+阅读 · 2019年9月12日
Acta Mater. 基于机器学习设计出新型超高强不锈钢
材料科学与工程
5+阅读 · 2019年9月2日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
ACM UMAP 2018:用户建模与个性化国际会议征搞
LibRec智能推荐
4+阅读 · 2017年10月9日
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
微信扫码咨询专知VIP会员