AI：2020年6月22日北京智源大会演讲分享之10:40-11:30 Zoubin教授《Probabilistic Machine Learning and AI》

最新推荐文章于 2024-02-18 22:27:39 发布
最新推荐文章于 2024-02-18 22:27:39 发布
阅读量4k 收藏 13
点赞数 6
分类专栏： AI/AGI
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41185868/article/details/106898624
版权

AI：2020年6月22日北京智源大会演讲分享之10:40-11:30 Zoubin教授《Probabilistic Machine Learning and AI》

 

导读：首先感谢北京智源大会进行主题演讲的各领域顶级教授，博主受益匪浅，此文章为博主在聆听各领域教授或专家演讲时，一张一张截图进行保存，希望与大家一起学习，共同进步，一起见证或筑起人工智能的下一个十年。非常欢迎国内外人工智能领域网友，前来留言探讨与分享，同时感谢点赞或评论！

 

目录

10:40-11:30 Probabilistic Machine Learning and AI

 

10:40-11:30 Probabilistic Machine Learning and AI

  • Zoubin Ghahramani  英国剑桥大学教授，Uber首席科学家

 

 

 

 

一个处女座的程序猿
关注
  • 6
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Machine Learning: A Probabilistic Perspective
09-08
Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning series) Today’s Web-enabled deluge of electronic data calls for automated methods of data analysis. Machine learning provides these, developing methods that can automatically detect patterns in data and then use the uncovered patterns to predict future data. This textbook offers a comprehensive and self-contained introduction to the field of machine learning, based on a unified, probabilistic approach. The coverage combines breadth and depth, offering necessary background material on such topics as probability, optimization, and linear algebra as well as discussion of recent developments in the field, including conditional random fields, L1 regularization, and deep learning. The book is written in an informal, accessible style, complete with pseudo-code for the most important algorithms. All topics are copiously illustrated with color images and worked examples drawn from such application domains as biology, text processing, computer vision, and robotics. Rather than providing a cookbook of different heuristic methods, the book stresses a principled model-based approach, often using the language of graphical models to specify models in a concise and intuitive way. Almost all the models described have been implemented in a MATLAB software package–PMTK (probabilistic modeling toolkit)–that is freely available online. The book is suitable for upper-level undergraduates with an introductory-level college math background and beginning graduate students.
概率机器学习和人工智能（Probabilistic machine learning and artificial intelligence_Nature2015）
mingo_敏
07-02 6621
This survey paper is regards to Probabilistic Machine Learning and Artificial Intelligence from Zoubin Ghahramani, which is published in Nature in 2015.URL: http://blog.csdn.net/shanglianlm/article/det
Probabilistic Machine Learning：Introduction 概率机器学习：简介（4）-page44~57/858 1.3非监督学习-1.4强化学习-1.5数据
价值知识传播者
02-18 870
1.3 无监督学习 在监督学习中，我们假设训练集中的每个输入示例 x 都有一个关联的输出目标集 y，我们的目标是学习输入输出映射。虽然这是有用的，也可能很困难，但监督学习本质上只是“美化的曲线拟合”[Pea18]。 一个可能更有趣的任务是尝试“理解”数据，而不仅仅是学习一个映射。也就是说，我们只获得观察到的“输入” D = {xn：n = 1：N}，没有任何对应的“输出” yn。这被称为无监督学习。 从概率的角度来看，我们可以将无监督学习的任务视为拟合形式为 p(x) 的无条件模型，该模型可以生成新的数据
Probabilistic Machine Learning：Introduction 概率机器学习：简介（2）-page38/858
价值知识传播者
02-18 857
机器学习或ML的一个流行定义，由Tom Mitchell [Mit97]提出，如下所示：如果一个计算机程序在某类任务T上通过经验E学到了性能度量P，那么就说它在任务T上从经验E中学到了东西，并且在任务T中的性能，由性能度量P来衡量，在经验E的影响下提高。因此，有许多不同类型的机器学习，取决于我们希望系统学习的任务T的性质，我们用于评估系统的性能度量P的性质，以及我们给予它的训练信号或经验E的性质。在本书中，我们将从概率的角度讨论最常见的ML类型。
Probabilistic Machine Learning: An Introduction 读书笔记第一章
態猛的博客
07-29 1289
目录介绍1. 机器学习的定义2. 监督学习2.1 分类2.1.1 模型拟合2.1.2 不确定性2.2 回归 介绍 1. 机器学习的定义 目前广为接受的定义来自自 Tom Mitchell A computer program is said to learn from experience E with respect to some class of tasks T, and performance measure P, if its performance at tasks in T, as meas
Probabilistic Machine Learning：Introduction 概率机器学习：简介- 第一章（5）-page58~60/858
价值知识传播者
02-18 357
在这个框架中，具有AI/ML组件的系统与其他复杂的、半自主的人工制品并没有太大的区别，例如带有自动驾驶仪的飞机、在线交易平台或医学诊断系统（参见[Jor19;然而，过于紧密地模拟当前或过去的人类行为可能是不可取的，并且可能受到用于训练的数据的偏见（参见例如 [Pau+20]）。[如果统计学领域] 从一开始就将计算方法纳入其作为基本工具的范畴，而不仅仅是一种方便应用现有工具的方式，许多其他与数据相关的领域[如ML]就不需要存在——它们本应是统计学的一部分。（AGI），即拥有与人类相当的广泛智能的机器。
北京智源大会：2022北京智源大会观点报告-人工智能领域最新研究趋势
06-01
在过去三年里，由北京智源人工智能研究院（以 下简称“智源研究院”）主办的北京智源大会见 证了 AI 领域的跨越式发展，成为了业内兼具专 业性、权威性、丰富性的品牌活动。 今年的大会上，来自海内外的专家纷纷发表...
北京智源大会：2022北京智源大会观点报告-人工智能领域最新研究趋势.zip
06-06
ChatGPT是美国人工智能研究实验室OpenAI新推出的一种人工智能技术驱动的自然语言处理工具，使用了Transformer神经网络架构，也是GPT-3.5架构，这是一种用于处理序列数据的模型，拥有语言理解和文本生成能力，尤其是...
20210312-北京智源人工智能研究院-科技行业：2020年人工智能的认知神经基础白皮书.pdf
04-08
20210312-北京智源人工智能研究院-科技行业：2020年人工智能的认知神经基础白皮书.pdf
2020年AI进展及2021年技术趋势报告-北京智源人工智能研究院-202101.pdf
03-10
2020年人工智能十大技术进展、2021年人工智能十大技术趋势
Probabilistic Machine Learning (Duke STA561)
04-20
Probabilistic Machine Learning (Duke STA561)
Machine Learning - A Probabilistic Perspective
06-15
机器学习权威理论教程，MLAPP。 关于机器学习理论的工具书，不可多得的材料。
videocoreiv-qpu, 使用Videocoreiv四核处理器单元进行乐趣和游戏.zip
10-10
videocoreiv-qpu, 使用Videocoreiv四核处理器单元进行乐趣和游戏 videocoreiv-qpuNOTE笔记 Broadcom Broadcom发布了 VideoCore IV图形内核的完整文档，并在 https://www.raspberrypi.org/blog/a-birthday-presen
AE模版表达式报错修复Q_Translator2.5.5.jsxbin.rar
09-05
软件介绍: 在使用Adobe After Effects套模板时经常会遇到表达式报错，Q_Translator2.5.5.jsxbin脚本文件能够一键解决AE模版表达式报错问题，让你畅快使用中文版AE软件。其功能为自动将英文模版中的表达式翻译成中文ae适用的表达式。下载后需要解压后再使用。
Machine Learning——A Probabilistic Approach学习笔记 序言
ldc1513的博客
07-15 281
序言(preface) 简介(Introduction)： 电子数据的涌入为自动化数据分析的需求创造了条件 机器学习的目标：探测数据模式，寻找一般规律 这本书提供了该领域的详细介绍 概率论方法(A probabilistic approach)： 本书观点：机器从数据中进行学习的最好方法是使用概率论作为工具 对任何基于推理的问题，概率推断都是一个可靠的方法 事实上，这种方法称为“贝叶斯方法” 我们所强调的是基于模型的方法——对任何给定的模型，都存在许多可用的算法；同样的，任意一个算法都存在许
李宏毅Machine Learning学习笔记4 Classification: Probabilistic Generative Model
江湖书苑
05-30 341
Classification 分类 分类要找一个function，输入就是对象 x ，输出是这个对象属于n个类别的哪一个。 比如信用评分 输入：收入，储蓄，行业，年龄，金融史… 输出：结果或者拒绝贷款 比如医疗诊断 输入：当前症状，年龄，性别，医疗史… 输出：患了哪种疾病 比如手写文字辨识 又是神奇宝贝举例 分类神奇宝贝 神奇宝贝有很多的属性，比如电，火，水。要做的就是一个分...
玩转人工智能中的机器学习之著名教材
audyxiao001的博客
03-11 1199
本文推荐了一些机器学习方面入门、提高、进阶的教材，供读者参考。
概率性机器学习与人工智能
yeler082的博客
10-17 1728
原文链接：Probabilistic machine learning and artificial intelligence 该论文的目标任务是什么？ 这篇综述提供了对概率框架的描述，并且讨论了在这一领域最为先进的技术，换句话说，是概率编程、贝叶斯优化、数据压缩和自动模式识别。 1. 应用场景是什么？ 机器学习面临的未来的数据和将来的行为引发的结果是不确定的，概率理论提供了一
智源人工智能研究院大模型
最新发布
03-26
智源人工智能研究院大模型是CSDN自主研发的一款基于深度学习技术的自然语言处理模型。该模型经过大规模的训练和优化，可以实现对各种自然语言任务的处理和理解。它可以用于文本分类、情感分析、机器翻译、问答系统等...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

一个处女座的程序猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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