最優傳輸理論是連接幾何和概率的橋梁， 它用幾何的方法為概率分布的建模和衡量概率分布之間的距離提供了強有力的工具。 最近，最優傳輸理論的概念和方法日益滲透進機器學習領域，為機器學習原理的解釋提供了新的視角，為機器學習算法的改進提供了新的指導方向。
麥吉爾大學Kilian Fatras博士最新《最優傳輸導論》教程，63頁PPT。
付費5元查看完整內容
相關內容
一個關于機器學習的教程，以建立缺失值的預測模型。這教程涵蓋了理論結果(統計學習)和實踐建議，重點介紹了使用scikit-learn在Python中的實現
付費5元查看完整內容
公平性感知機器學習或公平性感知數據挖掘的目標是在分析數據的同時考慮到公平性、歧視、中立性和/或獨立性等潛在問題。FAML的兩個主要任務是不公平檢測和不公平預防。不公平檢測任務旨在發現數據庫中的不公平待遇。不公平預防任務的目的是學會一個統計模型從潛在的不公平的數據集,這樣敏感的特性不會影響模型的結果,其中一個敏感特性表示的信息希望不影響結果,如社會敏感信息或信息,用戶希望忽略。
付費5元查看完整內容
最優傳輸理論是連接幾何和概率的橋梁， 它用幾何的方法為概率分布的建模和衡量概 率分布之間的距離提供了強有力的工具。最 近，最優傳輸理論的概念和方法日益滲透進 機器學習領域，為機器學習原理的解釋提供 了新的視角，為機器學習算法的改進提供了新的指導方向。
來自Google AI的Marco Cuturi介紹最優傳輸理論的基本概念和原 理，解釋如何用最優傳輸理論的框架給出機器學習原理和特點的最優傳輸理論闡釋。
付費5元查看完整內容
最優傳輸(OT)提供了一種強大而靈活的方法來比較各種形狀的概率度量:絕對連續的、退化的或離散的。最優傳輸（Optimal Transport）是多個學科交叉的研究領域，包括概率、分析以及優化等。最優傳輸研究的主要目標是建立有效比較概率分布的幾何工具。
付費5元查看完整內容
圖神經網絡
·
本教程介紹在圖神經網絡(GNN)中使用的概念。GNN是建模數據的有用方法，這些數據被構造成圖形或包含不同實體之間的有用關系。這些方法已成功應用于交通預測、分子建模、社會網絡分析、視覺場景理解等多個領域。
教程將集中在介紹概念和展示基本方法，同時也呈現一些有趣的聯系和應用。
這兩個講座是Bitdefender在布加勒斯特大學教授的深度學習課程的一部分。演講將是虛擬在線的，對任何人開放，并要求基本的ML知識。
付費5元查看完整內容
主題： 《UvA Deep Learning Course》
課程描述： 深度學習主要是對多層神經網絡的研究，它跨越了大量的模型結構。本課程在阿姆斯特丹大學人工智能碩士課程中授課。在本課程中，我們學習深度學習的理論，即在大數據上訓練的現代多層神經網絡的理論。
主講人簡介： Efstratios Gavves，阿姆斯特丹大學助理教授。個人主頁：//www.egavves.com/
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191