全站搜索
首页_赢咖4星辉-官方注册地址
首页_赢咖4星辉-官方注册地址
赢咖4注册Judea Pearl推荐UC伯克利研究者合著机器学习新书可当研究生教材
作者:管理员    发布于:2021-05-19 23:17    文字:【】【】【

  赢咖4赢咖4前段时间,加州大学伯克利分校 Moritz Hardt 和 Benjamin Recht 合著的新书受到了广泛关注。这本书主要阐述了机器学习的模式、预测以及实现,并面向研究生使用。

  最近,图灵奖得主、贝叶斯网络之父 Judea Pearl 发推表示,收到了 Moritz Hardt 和 Benjamin Recht 合著新书《PATTERNS, PREDICTIONS, AND ACTIONS: A story about machine learning》的书稿,并赞扬这本书组织结构很好,清晰地介绍了多种思想的起源,甚至有两个章节与因果关系有关。

  这是一本关于机器学习的研究生教材,介绍了数据模式如何支持预测及其后续行为。

  该书从决策基础开始,涵盖了表示、优化和泛化这些监督学习的组成部分。此外,本书还用专门的章节介绍了数据集、因果关系、因果推理实践、序列决策、强化学习等。这本书适合不同背景的读者,不过读者需要掌握一些数学知识,如微积分、线性代数、概率等。

  作为一本教科书,这本书在很多方面与机器学习常用的教学方式不同,主要表现在以下几点:

  第二,该书包含了对因果关系和因果推理实践的现代介绍,解决了该领域过时的争议;

  该书首先从决策知识讲起,主要包括贝叶斯二元假设检验、似然比检验典型案例、错误和成功的类型、奈曼 - 皮尔逊引理、ROC 曲线 章:监督学习,主要包括样本与总体、监督学习、感知机等。

  第 5 章:优化,主要包括优化基础、梯度下降、经验风险最小化的应用、对二次函数梯度法收敛性的见解、随机梯度下降、随机梯度法分析、正则化等。

  第 6 章:泛化,主要包括泛化差距(Generalization gap)、过参数化、泛化理论、算法稳定性、模型复杂性与一致收敛等。

  第 7 章:深度学习,主要包括深度模型与特征表示、深度网络的优化、梯度消失、深度学习中的泛化等。

  第 8 章:数据集,主要介绍了机器学习基准的科学依据、不同领域的数据集介绍、与数据相关的危害、数据和预测的局限性等。

  第 10 章:实践中的因果推理,主要包括设计与推理、观测基础:调整与控制、因果推理在实践中的局限性等。

  第 11 章:序列决策与动态规划,主要包括从预测到行为、动态系统、最优序列决策、动态规划、计算等。

  本书的作者是来自加州大学伯克利分校的学者 Moritz Hardt 和 Benjamin Recht。

  Moritz Hardt 是加州大学伯克利分校电气工程与计算机科学系的助理教授。他的研究目标是使机器学习的实践更具鲁棒性、可靠性,并与社会价值观保持一致。

  他于 2011 年获得普林斯顿大学计算机科学博士学位,后在 IBM 爱曼登研究中心做博士后学者和研究员,并在 Google Research 和 Google Brain 做了两年研究科学家。

  另一位作者 Benjamin Recht 是加州大学伯克利分校电气工程与计算机科学系副教授。其主要研究领域是人工智能、CIR(控制、智能系统与机器人)、信号处理、机器学习、优化。

  原标题:《Judea Pearl推荐,UC伯克利研究者合著机器学习新书,可当研究生教材》

相关推荐
  • 赢咖4娱乐几乎以假乱真:英特尔通过机器学习让《GTA5》的画面更接近现实
  • 赢咖4注册Judea Pearl推荐UC伯克利研究者合著机器学习新书可当研究生教材
  • 赢咖4娱乐亚马逊云科技把机器学习能力交到每一位开发者和构建者手中
  • 赢咖4娱乐亚马逊云科技怎样构建机器学习团队?顾凡解密
  • 赢咖4恩智浦iMX 8M Plus帮助实现并行机器学习推理网络
  • 赢咖4人工智能看到了人类看不到的东西科学家还不知道其原理
  • 赢咖4娱乐量子机器学习达到极限:无法学习黑洞等典型随机或混沌过程
  • 赢咖4注册想要数字化转型?用好人工智能与机器学习是关键
  • 赢咖4注册BAE系统公司为美国空军研究实验室开发机器学习技术和融合算法
  • 赢咖4【众智成城】人工智能助力教育 中学生操纵机器人写下“赋能未来”
  • 脚注信息
    版权所有 Copyright(C)2020 星辉娱乐
    网站地图|xml地图|友情链接: 百度一下