微軟亞洲研究院秦濤博士作客公開課，闡述對偶學習的對稱之美 | 硬創(chuàng)公開課預(yù)告

本文作者：奕欣

2017-05-02 17:20

導(dǎo)語：作為一種新的機器學習范式，微軟亞洲研究院秦濤博士將為我們講解對偶學習的對稱之美。

眾所周知，大規(guī)模帶標簽的數(shù)據(jù)對于深度學習尤為重要。在以圖像識別、機器翻譯等為代表的任務(wù)中，深度神經(jīng)網(wǎng)絡(luò)通過大量帶標簽的數(shù)據(jù)進行訓練。但這樣的前提存在兩個主要的局限性。首先是人工標記數(shù)據(jù)的成本很高；其次是大規(guī)模標記數(shù)據(jù)獲取的難度較大。

為了解決這一問題，在 NIPS 2016 上，微軟亞洲研究院提出了“一種新的機器學習范式”——對偶學習，利用任務(wù)互為對偶的特點從無標注的數(shù)據(jù)中進行學習。它的訓練原理是怎樣，具體有哪些應(yīng)用前景，近期又有著怎樣的進展？本期硬創(chuàng)公開課，雷鋒網(wǎng)榮幸地邀請到微軟亞洲研究院主管研究員秦濤博士，為我們講述對偶學習的新進展。

主要內(nèi)容

本次公開課內(nèi)容如下：

1．深度學習面臨的挑戰(zhàn)

2．如何利用AI任務(wù)的結(jié)構(gòu)對稱性從無標注數(shù)據(jù)進行學習

3．監(jiān)督學習中的對稱之美

4．如何利用結(jié)構(gòu)對稱性改進機器學習算法的推理測試過程

5．對偶學習在圖像生成中的應(yīng)用

6．對偶學習和其他學習范式/方法的聯(lián)系與區(qū)別

嘉賓介紹

微軟亞洲研究院秦濤博士作客公開課，闡述對偶學習的對稱之美 | 硬創(chuàng)公開課預(yù)告

秦濤博士，微軟亞洲研究院主管研究員，在國際會議和期刊上發(fā)表學術(shù)論文100余篇，曾/現(xiàn)任機器學習及人工智能方向多個國際大會領(lǐng)域主席或程序委員會成員，曾任多個國際學術(shù)研討會聯(lián)合主席。秦濤博士是中國科學技術(shù)大學兼職博士生導(dǎo)師，IEEE、ACM會員。他的團隊的研究重點是深度學習和強化學習的算法設(shè)計、理論分析及在實際問題中的應(yīng)用。