亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

【導讀】國際人工智能會議AAAI 2022論文將在全程線上舉辦，時間在 2 月 22 日-3 月 1 日，本屆大會也將是第 36 屆 AAAI 大會。大會涵蓋了眾多最近研究Tutorial報告，來自Yu Meng，韓家煒等等學者共同做了關于預訓練語言表示的進展報告，非常值得關注!

本教程旨在介紹預訓練文本嵌入和語言模型(例如BERT和GPT)的最新進展，以及它們在廣泛的文本挖掘任務中的應用。本教程將系統地介紹(1) 預訓練的文本表示學習的發展，(2) 預訓練的模型如何有效地增強基本文本挖掘應用，以及(3)新的技術和方法來用于預訓練的文本表示，用于文本挖掘任務，而無需人工注釋。目標受眾包括任何對人工智能(AI)和機器學習(ML)技術感興趣的研究人員和從業人員，這些技術用于使用最先進的預訓練語言模型的自然語言和數據挖掘應用程序。觀眾將不僅了解文本表示學習和文本挖掘的背景和歷史，還將了解最新的模型和方法及其應用。我們的教程特別關注文本挖掘中的弱監督方法，這種方法需要最少的人力來學習模型。我們還將用真實的數據集演示預訓練的文本表示如何幫助減輕人類注釋的負擔，并促進自動、準確和高效的文本分析。 目標受眾包括典型的人工智能實踐者，他們可能對偏好學習有一個高層次的概念，但通常沒有意識到問題的各種挑戰性方面。該教程的新穎之處在于將不同社區的不同范式翻譯成AI語言，從而使ML/AI社區受益。本教程將是自包含的，不需要任何先決條件。具有基本AI/ML知識的觀眾將能夠理解大部分材料。

目錄內容： 引言 Introduction 第一部分：預訓練語言模型 Part I: Pre-Trained Language Models [Slides] 第二部分 重溫文本挖掘基礎 Part II: Revisiting Text Mining Fundamentals with Pre-Trained Language Models 第三部分 嵌入驅動主題挖掘 Part III: Embedding-Driven Topic Discovery 第三部分 弱監督文本挖掘 Part IV: Weakly-Supervised Text Classification: Embeddings with Less Human Effort 第四部分 高級文本挖掘應用 Part V: Advanced Text Mining Applications Empowered by Pre-Trained Language Models [Slides]

地址： //yumeng5.github.io/aaai22-tutorial/

【導讀】國際人工智能會議AAAI 2022論文將在全程線上舉辦，時間在 2 月 22 日-3 月 1 日，本屆大會也將是第 36 屆 AAAI 大會。大會涵蓋了眾多最近研究Tutorial報告，來自Freddy Lecue, Pasquale Minervini, Fosca Giannotti and Riccardo Guidotti博士共同做了關于可解釋人工智能的進展報告，非常值得關注!

人工智能的未來在于使人類能夠與機器合作解決復雜的問題。就像任何有效的合作一樣，這需要良好的溝通、信任、清晰和理解。可解釋人工智能(XAI)旨在通過結合符號人工智能和傳統機器學習的優點來應對此類挑戰。多年來，各種不同的AI社區都在研究這一主題，他們有著不同的定義、評估指標、動機和結果。

本教程是XAI迄今為止工作的一個概述，并綜述了AI社區所完成的工作，重點是機器學習和符號AI相關方法。我們將闡述XAI在現實世界和大規模應用中的需求，同時提供最先進的技術和最佳的XAI編碼實踐。在教程的第一部分，我們將介紹AI的不同方面的解釋。然后，我們將本教程重點介紹兩種具體方法:(i) XAI使用機器學習，(ii) XAI使用基于圖的知識表示和機器學習的組合。對于這兩種方法，我們都進入了具體的方法，目前的技術水平和下一步的研究挑戰。本教程的最后一部分概述了XAI的實際應用以及最佳XAI編碼實踐。

目錄內容：

第一部分: 介紹，動機和評估- 20分鐘 人工智能解釋的廣泛介紹。這將包括從理論和應用的角度描述和激發對可解釋人工智能技術的需求。在本部分中，我們還將總結前提條件，并介紹本教程其余部分所采用的不同角度。

第二部分: 人工智能解釋(不只是機器學習!)- 40分鐘 概述AI各個領域的解釋(優化、知識表示與推理、機器學習、搜索與約束優化、規劃、自然語言處理、機器人技術和視覺)，使大家對解釋的各種定義保持一致。對可解釋性的評估也將包括在內。本教程將涵蓋大多數定義，但只會深入以下領域: (i) 可解釋的機器學習，(ii) 可解釋的AI與知識圖譜和機器學習。

第三部分: 知識圖譜在可解釋機器學習中的作用- 40分鐘 在本教程的這一節中，我們將介紹將基于圖的知識庫與機器學習方法相結合的解釋力。

第四部分: XAI工具，編碼和工程實踐- 40分鐘 通過演示如何集成XAI，以及如何根據技術和業務挑戰實例化、調整和定制XAI，我們將了解XAI的編碼和工程實踐。本節將介紹開發代碼，這些代碼將與谷歌Colab共享，便于與AAAI用戶進行互動。本節需要使用谷歌帳號(用于訪問谷歌Colab)。

第五部分:應用、經驗教訓和研究挑戰- 40分鐘 我們將回顧一些在實際示例中應用的XAI開源和商業工具。我們將描述如何基于技術和業務挑戰實例化XAI。我們特別關注一些用例: (1) 解釋目標檢測，(2) 解釋自動駕駛列車的障礙檢測，(3)解釋飛行性能，(4) 解釋具有內置解釋功能的航班延誤預測系統，(5) 一個大規模的合同管理系統，通過知識圖譜上的語義推理預測和解釋企業項目的風險等級; (6) 一個費用系統，識別、解釋和預測500多個城市的大型組織員工的異常費用索賠; (7) 一個信貸決策解釋系統，(8) 醫療條件解釋系統，以及其他8個行業用例。