【ACM Multimedia 2019 Tutorial】机器学习音频和多媒体数据的再现性和实验设计（Reproducibility and Experimental Design for Machine Learning on Audio and Multimedia Data），Gerald Friedland

教程题目：Reproducibility and Experimental Design for Machine Learning on Audio and Multimedia Data

教程简介：

本教程为多媒体数据机器学习的实验设计提供了一个可操作的视角。课程提供了机器学习设计和信号处理的理论介绍。提出的思想框架来自传统的科学实验，这些科学要求发表的结果在可重复性方面是独立的。在实际练习中，将计算和测量不同的机器学习者和数据集的容量或泛化率等数量，并讨论这些数量与可重现性实验设计之间的关系。包括视觉内容、时间结构、声音内容、元数据、用户评论等多种媒体类型的机器学习设计和信号处理。此外，讲座将讨论多媒体内容分析领域的当代工作。

教程部分大纲：

1. 应用程序的动机
2. 科学过程的重新审视、确定和统计机器学习以及何时选择哪个？
3. 机器学习的基础:能力
4. 机器学习基础:概论I
5. 信号处理基础:概论II:对抗性例子和噪声物理 6）演示:张力流量计和容量估计工具。
6. 特邀嘉宾:Bo Li 8）音频I的最佳实践
7. 音频II的感知数据最佳实践
8. 感知数据图像和视频的最佳实践

组织者：

Gerald Friedland从7岁开始编程，并在20世纪90年代末开始在人工智能领域工作，目前在劳伦斯利弗莫尔国家实验室担任首席数据科学家，并在加州大学伯克利分校的EECS系担任副教授，教授数据科学。