Hola, soy Chandan, investigador senior de Microsoft Research que trabaja en el aprendizaje automático interpretable. He estado tomando / mejorando compulsivamente mis notas desde mi doctorado en UC Berkeley y compartirlas en este sitio web. Espero que sean útiles :)
Diapositivas • Resumen de la investigación • Hojas de trucos • Notas
Publicaciones de blog • Información personal
@csinva
Toboganes
La carpeta Pres contiene una fuente de presentaciones, incluidas las diapositivas de ML desde la enseñanza del aprendizaje automático en Berkeley
La fuente está en Markdown (construida con revelador-MD) y es fácilmente editable / exportable- Ml Diapositivas (Berkeley CS 189)
- Diapositivas de IA (Berkeley CS 188)
- Taller de interpretabilidad
- Interpretaciones desenredadas
Investigación y notas de clase
La carpeta Research_ovws contiene descripción general y resúmenes de artículos recientes en diferentes áreas de investigación
- Interpretabilidad
- Inferencia causal
- Transferir el aprendizaje
- Incertidumbre
- Teoría DL
- Complejidad
- Transformación de dispersión
- DL en neurociencia
La carpeta _notes contiene notas de markdown y hojas de trucos para muchos cursos y áreas diferentes entre la informática, las estadísticas y la neurociencia
- Interpretabilidad Hoja de trucos
- Neurociencia computacional
- Notas de inferencia causal
- Clasificación
- Álgebra lineal
- Teoría de la información
- Visión por computadora
- Muy más notas aquí
Postes
Publicaciones sobre varios aspectos de los avances de aprendizaje automático / estadísticas / neurociencia (algunas publicaciones seleccionadas a continuación)
- Consejos de escritura en papel (2023)
- Títulos de papel de pronóstico (2022)
- iModels (2022, Bairblog)
Referencia
- Para actualizaciones, estrella el repositorio o siga @csinva
- ¡Siéntase libre de usar abiertamente!
- Construido con Jekyll | Páginas de Github | Tema de la línea de tiempo | partículas.js | Jupyterbook
