李沐分享斯坦福2021秋季新课：实用机器学习
点上方计算机视觉联盟获取更多干货
仅作学术分享，不代表本公众号立场，侵权联系删除
转载于：新智元
AI博士笔记系列推荐
周志华《机器学习》手推笔记正式开源！可打印版本附pdf下载链接
李沐斯坦福2021秋季新课：实用机器学习。
大部分机器学习的课都关注于模型，但在用机器学习解决实际问题的同学们都知道，模型只是整个故事里的一块。
如果你是参加比赛，那么很重要的两块是调参和模型融合。如果你是将机器学习用进产品，那么你80%时间可能花在收集和清理数据上，剩下的时间大都用来监测线上模型质量，和维护定期上线新模型上。
数据科学家都在做什么（来源forbes）
课程是这么来的
某一天公司老板突然提议说我们来开一门讲如何落地机器学习到产品中的课，关注在模型以外的技术。
这一提议得到了家里领导的积极赞同（领导指示：疫情后日常的斯坦福遛娃活动被取消了，赶紧拿个证把活动重新搞起来）。
所以9月开始，我将在两领导的带领下，开设《实用机器学习》课程。
课程将分四部分，包括：1）数据收集和处理，模型融合和评估，2）处理实际数据中遇到的各种偏移，和有结构的数据（时序，图），3）自动调参、模型蒸馏、多模块融合，4）性能、公平性、因果推理。
在斯坦福的同学9月1号可以在系统里选课，课号是 CS329P。我们也在同学校协商将课程视频免费放到网上。当然也有在考虑是不是推出一个中文版本。
课程简介
应用机器学习（ML）来准确和稳健地解决实际问题，需要的不仅仅是训练最新的ML模型。首先，你将学习处理数据的实用技术。这很重要，因为真实的数据往往不是独立和相同的分布。
它包括检测协变量、概念和标签的转移，以及对依赖性随机变量的建模，如时间序列和图表中的随机变量。接下来，你将学习如何有效地训练ML模型，如调整超参数、模型组合和转移学习。最后，你将学习公平性和模型的可解释性，以及如何有效地部署模型。
这门课将同时教授统计学、算法和代码实现。作业和最后的项目强调解决实际问题。
授课大牛包括Google Brain高级研究科学家、AWS高级首席科学家和AWS副总裁/杰出科学家。
课程主页在大家熟悉的d2l.ai：https://c.d2l.ai/stanford-cs329p/
同学们纷纷表示：期待中文版
参考资料：
https://zhuanlan.zhihu.com/p/404855524
https://www.bilibili.com/read/cv12933687
https://c.d2l.ai/stanford-cs329p/
-------------------
END
--------------------
我是王博Kings，985AI博士，华为云专家、CSDN博客专家（人工智能领域优质作者）。单个AI开源项目现在已经获得了2100+标星。现在在做AI相关内容，欢迎一起交流学习、生活各方面的问题，一起加油进步！
我们微信交流群涵盖以下方向（但并不局限于以下内容）：人工智能，计算机视觉，自然语言处理，目标检测，语义分割，自动驾驶，GAN，强化学习，SLAM，人脸检测，最新算法，最新论文，OpenCV，TensorFlow，PyTorch，开源框架，学习方法...
这是我的私人微信，位置有限，一起进步！
王博的公众号，欢迎关注，干货多多
王博Kings的系列手推笔记（附高清PDF下载）：
博士笔记 | 周志华《机器学习》手推笔记第一章思维导图
博士笔记 | 周志华《机器学习》手推笔记第二章“模型评估与选择”
博士笔记 | 周志华《机器学习》手推笔记第三章“线性模型”
博士笔记 | 周志华《机器学习》手推笔记第四章“决策树”
博士笔记 | 周志华《机器学习》手推笔记第五章“神经网络”
博士笔记 | 周志华《机器学习》手推笔记第六章支持向量机（上）
博士笔记 | 周志华《机器学习》手推笔记第六章支持向量机（下）
博士笔记 | 周志华《机器学习》手推笔记第七章贝叶斯分类（上）
博士笔记 | 周志华《机器学习》手推笔记第七章贝叶斯分类（下）
博士笔记 | 周志华《机器学习》手推笔记第八章集成学习（上）
博士笔记 | 周志华《机器学习》手推笔记第八章集成学习（下）
博士笔记 | 周志华《机器学习》手推笔记第九章聚类
博士笔记 | 周志华《机器学习》手推笔记第十章降维与度量学习
博士笔记 | 周志华《机器学习》手推笔记第十一章稀疏学习
博士笔记 | 周志华《机器学习》手推笔记第十二章计算学习理论
博士笔记 | 周志华《机器学习》手推笔记第十三章半监督学习
博士笔记 | 周志华《机器学习》手推笔记第十四章概率图模型
点分享
点收藏
点点赞
点在看