酷应用

活动报名|多位大牛齐聚AI Time，论道自动机器学习与可解释机器学习

百家作者：量子位 2019-06-15 05:05:42

本文转载自学术头条
量子位编辑 | 公众号 QbitAI

深度学习在各个领域取得了骄人的成绩，基本是舍我其谁了。

之前还存在如何调参、如何选架构的问题，最近随着自动机器学习（AutoML）的快速发展，Neural architecture search（NAS）似乎都可以做到自动选择深度学习架构，Hyperparameter优化可以帮助做到自动超参数的选择，机器学习变得越来越傻瓜，容易上手，原来的伪“end-to-end”好像真的要转正了。

坏处是原来的BlackBox变得越来越大，因此近年，更多研究者呼吁我们需要可解释机器学习（Explainable ML）。

“No Free Lunch”，工业界有时候显然希望ML变成工具，越简单越好，只要效果好就行。但更多的时候，我们需要的是“知其然，也知其所以然”，甚至有些研究人员都开始怀念决策树等解释性非常强的模型。

我们是要强大的“黑盒子”还是要“可理解”的机器学习？

AI Time第2期活动，我们邀请了四位大牛：美国伊利诺伊大学芝加哥分校(UIC)特聘教授Philip Yu、美国密歇根大学Qiaozhu Mei教授、北京大学的王立威教授、百度高级研究员李兴建，共同论道自动机器学习与可解释机器学习。

也邀请感兴趣的小伙伴到现场发表见解，与大咖们共话AI；无法到现场的朋友，也可以通过线上直播围观（报名方式见文末）。

嘉宾介绍

Philip S. Yu (俞士纶)

美国伊利诺伊大学芝加哥分校(UIC)特聘主任教授、ACM/IEEE Fellow、原IEEE TKDE、ACM TKDD主编。曾就职美国IBM Watson研究中心，创建了世界知名的数据挖掘及数据管理部。曾获得IEEE技术成就奖、数据挖掘领域最高奖SIGKDD Innovation Award。

Qiaozhu Mei

密歇根大学信息学院与计算机系终身副教授，SIGIR 2018的大会联合主席。主要研究方向涵盖大规模数据挖掘，自然语言处理，机器学习及其在社交网络，金融，医疗大数据上的应用。代表性工作包括LINE，情感分析。其论文多次获得国际顶级会议（ICML、WSDM、WWW）的最佳论文奖。

王立威

北京大学信息科学技术学院教授。主要从事机器学习理论研究，在机器学习国际权威期刊会议发表高水平论文100余篇。担任机器学习与计算机视觉顶级期刊IEEE TPAMI编委。多次担任国际机器学习旗舰会议NIPS与ICML领域主席。入选AI’s 10 to Watch，获得首届国家自然科学基金优秀青年基金。