視頻：Yee Whye Teh NIPS 2017大會報告《Bayesian Deep Learning and Deep Bayesian Learning》（附PDF）

雷鋒網按：美國時間12月4日，第31屆神經信息處理系統大會（Neural Information Processing Systems，NIPS）在美國長灘會議中心開幕。其中，在正會第三天（12月7日）上午，大會邀請牛津大學統計學教授、Deepmind研究科學家Yee Whye Teh（中文名：鄭宇懷）發表了題為《Bayesian Deep Learning and Deep Bayesian Learning》（貝葉斯深度學習與深度貝葉斯學習）的報告。雷鋒網特此整理了報告的視頻及PPT供讀者進行學習。

關于演講人

Yee Whye Teh是牛津大學統計學教授、Deepmind研究科學家。他于1997年于加拿大滑鐵盧大學獲得計算機科學與數學學士學位，之后在多倫多大學師從Geroffery Hinton，并于2003年獲得計算機博士學位。他還是Hinton那篇劃時代論文《A fast learning algorithm for deep belief nets》的署名作者之一，在此前召開的ICML 2017大會上， Yee Whye Teh擔任大會Program Chair。

演講摘要

概率論和貝葉斯推理是我們理解機器學習的主要理論支柱之一。 在過去的二十年里，它激發了一整套成功的機器學習方法，并影響了許多社區研究人員的思維。 另一方面，在過去的幾年里，深度學習的興起徹底改變了這個領域，并導致了一系列現代化，時代定義的成功。 在這次演講中，我將探討機器學習這兩個觀點之間的界面，通過我參與的一些項目，探討如下問題：概率思維如何幫助我們理解深度學習方法，或者引導我們開發有趣的新方法？ 相反，深度學習技術如何幫助我們開發先進的概率方法？

視頻及PDF下載地址

付費本文或加入雷鋒網會員，獲取NIPS 2017演講PPT。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。