Deep Learning:Overview and Trend (Andrew Ng学术报告)

    昨天去中科院自动化所听了Andrew Ng的报告,人山人海。前边由于是在旁边的直播教室看的(可想可知有多火爆),音质特别烂所以没怎听清,后来讲一半的时候报告厅门终于打开了,得以一见真容。因为只听了一部分,就只将这些写下来与大家分享。

  

    Andrew提到,由于两方面的原因:

    (1)我们有时得到的不一定会非常理想地全是tagged(标签化)的数据,很可能是tagged和untagged混合;

    (2)有些数据根本就是无法定义tag的。

    因此他推测在未来的2年时间内,可能我们的研究主流还是针对tagged的数据集,但是在3~5年后,对于tagged和untagged的混合数据集研究很可能成为研究热点。

  

    下面这张图比较有打击力度。Andrew认为在deep learning的发展下,现有阶段的算法可以被完全取代。这感觉很像大一统理论,说实话很打击我这种还在研究各种算法的同学,不过想想如果真的有一天只使用一个算法就能解决所有问题时,那该多美好。

 

       这张图展示了对于tagged数据集,deep learning和已有的一些算法性能比较,红线是old algorithm,可以看出当数据集越来越大时,deep learning的性能将会持续增长,而现有的算法则会遇到瓶颈,而且即使是在数据集较小时deep learning的性能也不差多少。



      最后Andrew还介绍了deep learning将会带来的效益,从图上可以看出,deep learning几乎能解决所有现阶段计算机科学研究的难点问题,很具有诱惑。


  

   快要结束的时候,Andrew还特地介绍了下百度的几位大牛,感觉他提王劲提的比较多,难道是之前两人在谷歌就认识了?一场报告听下来,Andrew讲的都很浅显易懂,几乎没有涉及到算法的问题,带有科普性质。给人的感觉就是一个循循善诱的老师,非常亲切。报告结束的时候我趁主持的老师没注意就溜了上去,和Andrew说我上过他的课,很崇拜他,希望能一起照个相,他腼腆一笑(真的是很腼腆。。)正要说话就被一群同学摁住签名了,很多人拿了coursera的结业证书给他签,Andrew一边在说着马上要去赶另一个会,一边又在帮同学签着名。这时才赶上来的老师站我旁边,说一场学术报告被硬生生开成了明星见面会(整场报告一直有同学和老师在拿着手机照相)。无奈之下只好和和他借位合了一张,以表敬仰之情,合照就不发上来了,上一张Andrew的近照吧,目测有1米8。。


   

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值