Suche mittels Attribut

Diese Seite stellt eine einfache Suchoberfläche zum Finden von Objekten bereit, die ein Attribut mit einem bestimmten Datenwert enthalten. Andere verfügbare Suchoberflächen sind die Attributsuche sowie der Abfragengenerator.

Eine Liste aller Seiten, die das Attribut „Ev abstract“ mit dem Wert „Wer die letzten 5 Jahren nicht ausschliesslich unter einer Lötdampfabzugshaube verbracht hat, hat bestimmt von der Machine-Learning Sau gehört, die durchs IT Dorf getrieben wurde. Ich will hier mal im Schnelldurchlauf erzählen was so in den Jahren passiert ist. Gab es die Fortschritte, von denen uns manche Akteure in der Deep-Learning Szene erzählen wirklich? Oder sehen wir einfach nur die Ergebnisse von simplen und naiven Methoden, die auf großen Datenmengen rumkauen? Und woran arbeitet man heute eigentlich, wenn man Grundlagenforschung im Bereich ML und künstlicher Intelligenz macht? Haben wir eine Schallmauer identifiziert, die uns davon abhält general purpose KIs zu bauen? Spoiler: Nein, haben wir nicht. Aber wir haben eine ganze Reihe Herausforderungen identifiziert, die uns zurückhalten. Ich möchte die Gelegenheit nutzen einige dieser Herausforderungen zu beschreiben: Insbesondere was unsupervised-, reinforcement- und few-shot-learning ist; warum man an catastrophic forgetting arbeitet und wie sparse rewards und structured exploration zusammenhängen.“ haben. Weil nur wenige Ergebnisse gefunden wurden, werden auch ähnliche Werte aufgelistet.

Hier sind 2 Ergebnisse, beginnend mit Nummer 1.

Attribut: Wert:

Liste der Ergebnisse

Labortage 2017#Vortrag MachineLearning + (Wer die letzten 5 Jahren nicht ausschliess … Wer die letzten 5 Jahren nicht ausschliesslich unter einer Lötdampfabzugshaube verbracht hat, hat bestimmt von der Machine-Learning Sau gehört, die durchs IT Dorf getrieben wurde. Ich will hier mal im Schnelldurchlauf erzählen was so in den Jahren passiert ist. Gab es die Fortschritte, von denen uns manche Akteure in der Deep-Learning Szene erzählen wirklich? Oder sehen wir einfach nur die Ergebnisse von simplen und naiven Methoden, die auf großen Datenmengen rumkauen? Und woran arbeitet man heute eigentlich, wenn man Grundlagenforschung im Bereich ML und künstlicher Intelligenz macht? Haben wir eine Schallmauer identifiziert, die uns davon abhält general purpose KIs zu bauen? Spoiler: Nein, haben wir nicht. Aber wir haben eine ganze Reihe Herausforderungen identifiziert, die uns zurückhalten. Ich möchte die Gelegenheit nutzen einige dieser Herausforderungen zu beschreiben: Insbesondere was unsupervised-, reinforcement- und few-shot-learning ist; warum man an catastrophic forgetting arbeitet und wie sparse rewards und structured exploration zusammenhängen.und structured exploration zusammenhängen.)

Labortage 2017#Vortrag MachineLearning +