AI 科技评论按：美国时间 12 月 4 日，第 31 届神经信息处理系统大会（Neural Information Processing Systems，NIPS）在美国长滩会议中心开幕。其中，在正会第三天（12月7日）上午，大会邀请牛津大学统计学教授、Deepmind研究科学家Yee Whye Teh（中文名：郑宇怀）发表了题为《Bayesian Deep Learning and Deep Bayesian Learning》（贝叶斯深度学习与深度贝叶斯学习）的报告。AI 科技评论特此整理了报告的视频及PPT供读者进行学习。

关于演讲人

Yee Whye Teh是牛津大学统计学教授、Deepmind研究科学家。他于1997年于加拿大滑铁卢大学获得计算机科学与数学学士学位，之后在多伦多大学师从Geroffery Hinton，并于2003年获得计算机博士学位。他还是Hinton那篇划时代论文《A fast learning algorithm for deep belief nets》的署名作者之一，在此前召开的ICML 2017大会上， Yee Whye Teh担任大会Program Chair。

演讲摘要

概率论和贝叶斯推理是我们理解机器学习的主要理论支柱之一。 在过去的二十年里，它激发了一整套成功的机器学习方法，并影响了许多社区研究人员的思维。 另一方面，在过去的几年里，深度学习的兴起彻底改变了这个领域，并导致了一系列现代化，时代定义的成功。 在这次演讲中，我将探讨机器学习这两个观点之间的界面，通过我参与的一些项目，探讨如下问题：概率思维如何帮助我们理解深度学习方法，或者引导我们开发有趣的新方法？ 相反，深度学习技术如何帮助我们开发先进的概率方法？

获取 Yee Whye Teh 报告完整内容以及 PPT 请点击阅读原文。

 推荐阅读 

• NIPS 2017 「时间检验奖」获奖感人演讲：从「炼金术」到「电力」的机器学习 | NIPS 2017
  

• 独家首发 | NIPS 最佳论文视频解读！德州扑克背后的不完全信息博弈
  

• 大会 | 德扑 AI 不完全信息博弈论文领衔，NIPS 2017最佳论文 3 + 1 已经揭晓
  

—————  给爱学习的你的福利  —————

上海交通大学博士讲师团队

从算法到实战应用，涵盖CV领域主要知识点；

手把手项目演示

全程提供代码

深度剖析CV研究体系

轻松实战深度学习应用领域！

详细了解请扫码进入咨询群

▼▼▼

————————————————————