提炼:传播机器学习的科学

时间:2019-03-10 14:18:53 阅读:10次

  与所有科学领域一样,机器学习研究中清晰沟通的重要性也不容忽视:通过允许研究团体分享,讨论和建立新发现,它有助于推动最新技术发展

  出于这个原因,我们DeepMind是Distill的热心支持者,Distill是一个新的独立的,基于网络的媒介,用于清晰和开放 - 揭秘 - 机器学习研究,包括期刊,奖项表彰杰出的工作,以及创建互动论文的工具。

全屏 fullscreen_mobile 提炼是一个支持机器学习清晰度的生态系统。

  机器学习社区一直采用新形式的科学传播。今天,我们的科学和实践通过在arXiv上发表的传统期刊上发表的论文进行传播,由代码库和JMLR和JAIR等社区驱动的努力支持,在会议和调查,海报,博客文章,视频,演示,播客和采访。

  在这个传统中,Distill做出了自己独特的贡献。借鉴现代网络技术,它提供了一种学习和理解机器学习的新方法,通过促进互动,生动和引人入胜的阐述,并认识到那些花时间去除神秘 - 并揭示其重要性 - 的人的宝贵贡献看似晦涩难懂的结果。

   DeepMind很自豪能成为Distill奖的贡献赞助商,该奖项旨在表彰杰出的工作沟通和提炼机器学习的想法,Shakir Mohamed是该期刊指导委员会的成员。最终,我们的愿望是在机器学习研究中支持新鲜和多样化的思维 - 发挥我们的作用,引用William Zinnsser,创建一个人们的社区,在他们自己和他们的专业和读者之间找到共同的人性线索。

提炼:传播机器学习的科学所属专题:机器学习 《提炼:传播机器学习的科学》链接:http://www.zhouchuanxiong.net/1136

提炼:传播机器学习的科学相关文章

  • 超越平均水平进行强化学习
  • AlphaGo Zero:从零开始学习
  • 将机器学习应用于乳腺癌的乳腺X线摄影筛查
  • 从嘈杂的数据中学习解释规则
  • 重要性加权演员 - 学习者架构:DMLab-30中的可扩展分布式DeepRL
  • 通过游戏来学习
  • 通过神经元删除来理解深度学习
  • 学习编写生成图像的程序
  • 学习在没有地图的城市中导航
  • 前额皮质作为一种元强化学习系统
  • 开源TRFL:强化学习构建模块库
  • 机器学习可以提高风能的价值
  • TF-Replicator:研究人员的分布式机器学习
  • AlphaGo的胜利对AI和机器学习意味着什么
  • 案例研究:机器学习与自然语言处理 - Inbenta
  • 用人工神经元进行无监督学习
  • 借助TrueNorth,嵌入式系统可以进行深度学习推理
  • 使用分布式学习来提升Watson的Visual IQ
  • 学会回答非平凡的问题:通过深度学习推理知识库
  • IBM Research利用新的软件技术实现了创纪录的深度学习性能
  • 脑启动AI:神经科学如何帮助推进机器学习
  • 使用深度学习来预测海浪
  • 深度学习的开放标准,以简化神经网络的发展
  • 使用物联网和机器学习来跟踪肺病的进展
  • 机器学习过去常常超过MELD来评估肝脏疾病
  • IBM科学家证明使用GPU可以将大规模机器学习速度提高10倍
  • 分布式深度学习培训控制提供10倍的性能提升
  • ROMEO寻求通过机器学习和边缘物联网改善风电场
  • 从研究论文中自动生成深度学习模型的代码
  • 攻丝机学习促进更多地利用仿生学进行创新