自动化机器学习与可解释机器学习研讨会

新知榜官方账号

2023-10-20 10:10:21

自动化机器学习与可解释机器学习研讨会

深度学习在各个领域取得了骄人的成绩,基本是舍我其谁了。之前还存在如何调参、如何选架构的问题,最近随着自动机器学习(AutoML)的快速发展,Neuralarchitecturesearch(NAS)似乎都可以做到自动选择深度学习架构,Hyperparameter优化可以帮助做到自动超参数的选择,机器学习变得越来越傻瓜,容易上手,原来的伪“end-to-end”好像真的要转正了。坏处是原来的BlackBox变得越来越大,因此近年,更多研究者呼吁我们需要可解释机器学习(ExplainableML)。“NoFreeLunch”,工业界有时候显然希望ML变成工具,越简单越好,只要效果好就行。但更多的时候,我们需要的是“知其然,也知其所以然”,甚至有些研究人员都开始怀念决策树等解释性非常强的模型。我们是要强大的“黑盒子”还是要“可理解”的机器学习?

AITime第2期活动,我们邀请了四位大牛:美国伊利诺伊大学芝加哥分校(UIC)特聘教授PhilipYu、美国密歇根大学QiaozhuMei教授、北京大学的王立威教授、百度高级研究员李兴建,共同论道自动机器学习与可解释机器学习。也邀请感兴趣的小伙伴到现场发表见解,与大咖们共话AI;无法到现场的朋友,也可以通过线上直播围观。

嘉宾介绍
PhilipS.Yu(俞士纶)美国伊利诺伊大学芝加哥分校(UIC)特聘主任教授、ACM/IEEEFellow、原IEEETKDE、ACMTKDD主编。曾就职美国IBMWatson研究中心,创建了世界知名的数据挖掘及数据管理部。曾获得IEEE技术成就奖、数据挖掘领域最高奖SIGKDDInnovationAward。
QiaozhuMei密歇根大学信息学院与计算机系终身副教授,SIGIR2018的大会联合主席。主要研究方向涵盖大规模数据挖掘,自然语言处理,机器学习及其在社交网络,金融,医疗大数据上的应用。代表性工作包括LINE,情感分析。其论文多次获得国际顶级会议(ICML、WSDM、WWW)的最佳论文奖。
王立威北京大学信息科学技术学院教授。主要从事机器学习理论研究,在机器学习国际权威期刊会议发表高水平论文100余篇。担任机器学习与计算机视觉顶级期刊IEEETPAMI编委。多次担任国际机器学习旗舰会议NIPS与ICML领域主席。入选AI’s10toWatch,获得首届国家自然科学基金优秀青年基金。
李兴建百度高级研究员,8年人工智能研发经验,目前在浣军老师领导的百度大数据实验室做深度学习自动建模和迁移学习的研发。百度大数据实验室主要从事大数据智能相关技术的研究工作,属于百度七大实验室之一,旨在探索利用大数据解决全球性问题的创新模式。

AITime是一群关注人工智能发展,并有思想情怀的青年人创办的圈子。AITime旨在发扬科学思辨精神,邀请各界人士对人工智能理论、算法、场景、应用的本质问题进行探索,加强思想碰撞,打造成为北京乃至全国人工智能知识分享的策源地和聚集地。

本页网址:https://www.xinzhibang.net/article_detail-17376.html

寻求报道,请 点击这里 微信扫码咨询

关键词

自动化机器学习 可解释机器学习 深度学习

分享至微信: 微信扫码阅读

相关工具

相关文章