大数据暑期学校心得体会

7月16日上午，王立威教授做了《机器学习理论》的报告。听完王老师的报告，奥卡姆剃刀这个哲学思想使我对机器学习的研究有了新的认识。报告首先介绍了机器学习理论泛化性这一概念，我的理解就是——对现有样本学习后生成的准则对其他数据的适用能力。王老师将机器学习用胡克定律进行引入，并且经常用8阶多项式的拟合问题进行举例，深入浅出。然后，王老师介绍了机器学习用到的统计方面的知识，比如：马尔科夫不等式、切比雪夫不等式、中心极限定理等。接下来，王老师从VC纬度、边界理论、算法稳定性的方面讨论了算法的泛化性问题。最后，介绍了机器学习的前沿动态：使用SGD(Stochastic Gradient Descent)进行大规模机器学习。我接下来要用王老师提到的分类器进行实验，并且在注重准确率的同时注意算法的泛化性，最好可以定量衡量。

7月16日上午，孟德宇教授做了《自步学习》、《张量稀疏性》和《误差建模》3个报告。听报告当中，我折服于老师深厚的数学功底。《误差建模》报告中，通过对不同噪声建模，得到了一些有趣的信息，比如有的噪声分离出来其实是人影、喷泉等形状。在误差建模时，可以使用一些特殊领域的先验知识。关于老师的讲座，还有一点对我有用就是雨天噪声的建模，应用了MoG，文章投稿于ICCV。对于去模糊处理，孟老师讲到的tensor sparsity也可以应用于此。自步学习是基于学习由易到难的思想，这个思想也是从我们人类从小到大的学习规律得到。

7月18日上午，孙剑教授做了《深度学习方法在图像模型学习中的应用》的报告。首先，孙老师就图像处理的基本概念进行了科普。接下来，对团队运用深度学习方法近些年的研究成果进行了总结。我印象比较深刻的是图像去模糊的具体应用，用到的是深度学习方法。该方法需要基于pa