从统计机器学习视角理解深度学习:算法、理论与可扩展计算

发布时间:19-11-06

如何将深度学习等AI算法应用到实际场景里∟,不是一件容易的事情。 2016年,卡Е耐基梅隆大学计算机科∏学院的Ⅺ终身教授邢波(Eric$ Xing)ζ在匹兹堡创办了Petuum,他致力于创建⊙一个平台,通过自╩定义的虚拟化和操作系统构建机器学习和深度学习应用程序,じ为企业К提供所需≮的机器学习工具♀。结合Petuum, 邢♯♮波教授在〢7月份深度学习夏令营分〓享了关于从统计机器学习视角理解深度学习的算法、理论与可扩展计算, 这一◇份Slides 286页, 非常全面,∏ 是一份结合学术研究和实ō际应用的详实参照学习材料,不可不看.

 →

统计机器学习视角下的深度学习:算法,理►论▍,∩可扩展计算◣

这一份286页的教程sli#des从统计机器学习视角阐述д了深度学习的算法、理论◢和分布式深度学╤习架构Б,内容丰富详实▅▆。首先一观邢波教授创立的P๑et◀uumΣ人工智能/机器学习架构图,分别包含平台硬件层、系统层、实现层、算法层、模型层和任务应用∞层。

作者:邢波(Eric Xing@)

邢波(Er┛ic Xing)是卡耐基梅隆大学教授,曾于2014年担任国际机器学习大会(ICML)主席。主要研究兴趣集Э中在机器学习和统计学习方法论及理▬论的发展,和大规模计算系统和架构的开发。他И创办了Petuum 公·司,这是一家专注于人工智能和机器学÷习的解┄┅决方案研发的公司,腾讯曾۞۞投资了这家〇公司。

Ж

PDF版Ψ本将分Ψ享到19…9IT交流群,ω支持⿱我们发展可加入!

{{wanzhanqun_analysis}} {{website_analysis}} {{website_copyright }}