MO

发现意外,创造可能

MO Blog


(杭州)第四期机器学习开发者沙龙邀请函

4.13 (本周六)邀请杭州的小伙伴来参加第四期机器学习线下开发者沙龙。本期活动内容丰富,包含三篇论文分享和常规机器学习课程。论文分享主题分别为:Google Vizier、Meta Learning 和 BlockFL,机器学习主题为线性代数回顾+多变量线性回归。小伙伴们可以根据时间表参加自己感兴趣的部分哦!

活动时间

2019.4.13 下午 13:00-17:00

活动地点

杭州市上城区定安路 126 号西湖创意谷会议室

活动形式

论文分享:由团队人工智能算法工程师或浙江大学计算机系硕士研究生为大家解读主题相关论文。

机器学习课程:团队专题主讲人组织大家一起学习吴恩达的视频教程,边看视频边记笔记,每一节视频后,进行讨论、分享、推导公式以加深理解。

活动安排

13:00-13:40 论文分享:Google Vizier

13:40-14:20 论文分享:Meta Learning

14:40-16:10 机器学习课程:线性代数回顾+多变量线性回归

16:20-17:00 论文分享:BlockFL

活动内容

Part I 论文分享( 13:00-14:20 )

主题:Google Vizier

分享人:卢旭 论文:Google Vizier: A Service for Black-Box Optimization

  1. 相关背景知识
  2. Vizier 系统概览
  3. Vizier 使用的算法
  4. 实验与结果
  5. 用户案例
主题: Meta Learning

分享人:贾鑫康 论文:One-shot Learning with Memory-Augmented Neural Networks

  1. Meta Learning 引入
  2. MANN 论文解读
  • Meta Learning Task 介绍
  • NTM 神经图灵机介绍
  • MANN 记忆增强网络介绍
  • 实验与结果
  • 未来展望

Part II 机器学习课程( 14:40-16:10 )

  1. 线性代数回顾
  2. 多变量线性回归
专题系列计划(每周更新)

Part III

主题:BlockFL

分享人:金松 论文:On-Device Federated Learning via Blockchain and its Latency Analysis

  1. 相关背景知识
  2. BlockFL 系统概览
  3. BlockFL 算法介绍
  4. BlockFL 系统演示

活动亮点

  • 机器学习的系统性研习:Mo 团队将深入浅出的为大家阐明复杂深奥的机器学习原理,打破认知壁垒,营造轻松愉悦的集体学习氛围。
  • 理论与实战结合:团队资深专家将手把手教你如何利用在线建模平台达成预期目标,将创意转化为现实。
  • 交流与分享:在系统学习结束之后,我们将组织大家进行当堂知识和扩展领域的分享与探讨,同时,团队成员也会把自己的学习方法介绍给大家,实现知识和智慧的集合,碰擦思维火花。

活动须知

本系列活动完全免费,我们为你提供学习资料、地点与实操平台,只要有兴趣都可以报名参加。

注意事项:为了更方便进行实践操作,请携带笔记本电脑,现场有老师一对一进行答疑指导。

往期回顾

  • 第一期(3.16):初识机器学习 + 单变量线性回归,视频链接(从 1-1 到 2-4 )
  • 第二期(3.23): [论文分享] DARTS + HCN 网络,请通过微信号添加 hellomnist 领取课件资料
  • 第三期(3.30):梯度下降 + 线性代数回顾,视频链接(从 2-5 到 3-4 )

报名方式

关注微信公众号 MomodelAI,回复 姓名+学校或单位+联系方式 进行报名,审核通过后会收到确认消息。

———————————————————————————————————————————————————— Mo (网址: http://momodel.cn )是一个支持 Python 的在线人工智能建模平台,能帮助你快速开发训练并部署 AI 应用。

最近的文章

版本1.17

新功能: 训练营开始学习显示公众号二维码。改进: 训练营机器学习课程内容更新与补充。 手机端分享页面优化。 Notebook 中 cell 的工具条和代码部分进行区分。 Notebook 中代码增强增加了扭曲、倾斜、擦除、透视变形等功能。修复: 点击不同的数据集作品概览不会刷新。 通过发现到详情页点击浏览器返回无效。 文件管理页面问题。Features: Display of Wechat QR code in Classroom.Improvements: Machi...…

继续阅读
更早的文章

一起用算法来预测足球比赛结果

足球是世界上最火爆的运动,今天我们将使用英超比赛的历史结果统计信息来预测未来英超比赛的结果。英超一年一个赛季,每年20个球队参赛,共计380场比赛。数据处理我们下载英超在2005年-2018年的比赛数据。用 pandas 把历年的 csv 数据都导入进来。import pandas as pd# 读取原始数据loc = "./football/"raw_data_1 = pd.read_csv(loc + '2005-06.csv')...此处省略其他年份的比赛数据raw_data_13 ...…

继续阅读