本期嘉宾：秦瑶（UCSD 博士学生）
话题：计算机视觉

今天这期节目，UCSD 的博士学生秦瑶和我们介绍了计算机视觉方向的研究问题。 秦瑶主要在图像分割 (Image Segmentation) 和显著性检测 (Saliency Detection) 方向开展她的研究。

这一期节目中，我们主要聊了语义分析和显著性检测这两类计算机视觉的研究问题。 我们了解了这些问题是如何定义的，介绍了常用的解决方法 …

阅读全文

本期嘉宾：张家鹏（UCSD 博士候选人）
话题：集成算法

直觉上来讲，我们会觉得一个机器学习模型的准确率要很高才有用。 如果有一个模型声称它能保证对于数据的任何分布，它都能保证达到 51% 的正确率， 我会觉得它弱爆了，并不会想用它来解决问题（除非我在考试，题目是选择题，并且只有两个选项）。

我们今天的节目就和这类听起来很“弱”的模型有关 …

阅读全文

本期嘉宾：戴涵俊
话题：用机器学习解决一类NP困难问题

计算机领域有一类困扰了科学家很久的问题，叫做NP困难问题。NP困难问题在生活中很常见，例如物流、城市规划等等都可以找到NP困难问题的原型。但这类问题至今都没有有效的、多项式时间内的解。计算机理论领域的研究者从搜索、构造等角度给出过很多种近似解法。人工智能在这类问题中会有怎样的应用呢？机器学习算法如何从多个小问题中找规律来解决这一大类问题呢？AlphaGo背后的强化学习算法又是怎么和这个问题联系起来的呢？我们以NP困难中的最小点覆盖问题为例，介绍机器学习算法在NP困难的组合优化问题上的应用。

收听节目

提到的一些内容 …

阅读全文

本期嘉宾：翟真
话题：教育领域里的数据

网易公开课等网络课程，降低了越来越多人获得新知识的门槛；相较于传统的作业本和试卷，在线的作业、考试也使整个教学过程更高效便捷。更重要的是，这些线上的教育平台提供了一种系统地获得、整理、分析学生在学习过程中每一步的相关数据。例如，哪一段教学视频是学生重复看了很多次才看懂的，做作业时学生在做出了哪些错误的尝试之后得出了正确答案…… 通过分析这些数据，老师可以更有针对性地利用课堂时间；在学生做作业时，在线作业系统可以给出更有针对性的提示 …

阅读全文

本期嘉宾：林政豪
话题：深度学习

在过去的几年中，深度神经网络给很多机器学习任务带来了很大的突破。从图像识别到机器翻译，在深度学习的帮助下，很多任务已经实现了超过人类平均水平的精度。然而精度的提升背后的代价是数以百万计的参数，和长达几天甚至几周的显卡上的运算需求。大量的功耗和庞大的模型，限制了深度学习模型在手表手机等小型电子设备上的应用。那么我们该如何在不损失太多精度的同时，给深度网络做减法，让深度学习可以更好的应用在嵌入式系统中呢？本期节目我们从硬件的角度讨论深度学习的优化。

收听节目

提到的一些内容

• 林政豪个人主页 …

阅读全文