สวัสดีฉันคือ Chandan นักวิจัยอาวุโสของ Microsoft Research ที่ทำงานเกี่ยวกับการเรียนรู้ของเครื่องที่ตีความได้ ฉันได้รับ / ปรับปรุงบันทึกย่อตั้งแต่ปริญญาเอกที่ UC Berkeley และแบ่งปันในเว็บไซต์นี้ หวังว่าพวกเขาจะเป็นประโยชน์ :)
สไลด์•ภาพรวมการวิจัย•แผ่นโกง•บันทึกย่อ
โพสต์บล็อก•ข้อมูลส่วนบุคคล
@csinva
สไลด์
โฟลเดอร์ PRES มีแหล่งที่มาสำหรับงานนำเสนอรวมถึงสไลด์ ML จากการเรียนการสอนการเรียนรู้ของเครื่องที่ Berkeley
แหล่งที่มาอยู่ใน markdown (สร้างด้วยการเปิดเผย-MD) และสามารถแก้ไขได้ง่าย / ส่งออกได้ง่าย- ML Slides (Berkeley CS 189)
- สไลด์ AI (Berkeley CS 188)
- เวิร์กช็อปการตีความ
- การตีความที่แยกออกจากกัน
บันทึกการวิจัยและชั้นเรียน
โฟลเดอร์ Research_ovws มีภาพรวมและบทสรุปของเอกสารล่าสุดในพื้นที่วิจัยที่แตกต่างกัน
- การตีความได้
- การอนุมานสาเหตุ
- ถ่ายโอนการเรียนรู้
- ความไม่แน่นอน
- ทฤษฎี DL
- ความซับซ้อน
- การแปลงกระจาย
- DL ในประสาทวิทยาศาสตร์
โฟลเดอร์ _notes มีหมายเหตุ Markdown และ Cheat-sheet สำหรับหลักสูตรที่แตกต่างกันและพื้นที่ระหว่างวิทยาศาสตร์คอมพิวเตอร์สถิติและประสาทวิทยาศาสตร์มากมาย
- แผ่นโกงการตีความ
- ประสาทวิทยาศาสตร์การคำนวณ
- หมายเหตุการอนุมานเชิงสาเหตุ
- การจำแนกประเภท
- พีชคณิตเชิงเส้น
- ทฤษฎีข้อมูล
- วิสัยทัศน์คอมพิวเตอร์
- มีหมายเหตุเพิ่มเติมที่นี่
เสา
โพสต์ในแง่มุมต่าง ๆ ของการเรียนรู้ของเครื่อง / สถิติ / ความก้าวหน้าทางประสาทวิทยาศาสตร์ (บางโพสต์ที่เลือกด้านล่าง)
- เคล็ดลับการเขียนกระดาษ (2023)
- การพยากรณ์ชื่อกระดาษ (2022)
- Imodels (2022, bairblog)
อ้างอิง
- สำหรับการอัปเดตให้แสดง repo หรือติดตาม @csinva
- อย่าลังเลที่จะใช้อย่างเปิดเผย!
- สร้างด้วย Jekyll | หน้า GitHub | ธีมไทม์ไลน์ Particles.js | jupyterbook
