안녕하세요 저는 해석 가능한 머신 러닝을 작업하는 Microsoft Research의 선임 연구원 인 Chandan입니다. UC Berkeley의 박사 학위 이후에 내 메모를 강요 / 개선 하고이 웹 사이트에서 공유했습니다. 그들이 도움이되기를 바랍니다 :)
슬라이드 • 연구 개요 • 치트 시트 • 메모
블로그 게시물 • 개인 정보
@csinva
슬라이드
Pres 폴더에는 버클리에서 기계 학습을 가르치는 ML 슬라이드를 포함하여 프레젠테이션 소스가 포함되어 있습니다.
소스는 Markdown (공개 MD로 제작)에 있으며 쉽게 편집 / 내보낼 수 있습니다.- ML 슬라이드 (Berkeley CS 189)
- AI 슬라이드 (Berkeley CS 188)
- 해석 가능성 워크숍
- 해석 된 해석
연구 및 수업 노트
Research_ovws 폴더에는 다른 연구 분야에서 최근 논문의 개요 및 요약이 포함되어 있습니다.
- 해석 가능성
- 인과 추론
- 전송 학습
- 불확실성
- DL 이론
- 복잡성
- 산란 변환
- 신경 과학의 DL
_NOTES 폴더에는 컴퓨터 과학, 통계 및 신경 과학 간의 다양한 과정과 영역에 대한 Markdown 메모 및 치트 시트가 포함되어 있습니다.
- 해석 가능성 치트 시트
- 계산 신경 과학
- 인과 추론 노트
- 분류
- 선형 대수
- 정보 이론
- 컴퓨터 비전
- 더 많은 메모는 여기에 있습니다
게시물
기계 학습 / 통계 / 신경 과학 발전의 다양한 측면에 대한 게시물 (아래 선택된 게시물)
- 종이 쓰기 팁 (2023)
- 종이 제목 예측 (2022)
- Imodels (2022, Bairblog)
참조
- 업데이트하려면 Repo를 별표하거나 @csinva를 팔로우하십시오
- 공개적으로 자유롭게 사용하십시오!
- jekyll | Github 페이지 | 타임 라인 테마 | 입자 .js | Jupyterbook
