Lessons Learned from Sports after Uvalde and Buffalo
作为 Trending in Ed 粉丝的特别节目,我们发布了最新一集 Running it Back,从体育播客中学到的经验教训,由 Tarlin Ray 和 Trending in Ed 主持人 Mike Palmer 主持。有时很难直接讨论某个话题,所以我们会利用体育等事物来帮助我们解决最近几周看到的难以想象的悲剧。如果您喜欢这集节目,请在您收听播客的地方收听我们的 Running It Back。请访问 RunningItBack.fm 了解更多信息。Tarlin 和 Mike 对体育领袖对德克萨斯州尤瓦尔迪和纽约州布法罗悲惨枪击事件的强烈反应做出了回应。我们听听史蒂夫·科尔说了什么,
2021 年 10 月,我们宣布收购了 MuJoCo 物理模拟器,并将其免费提供给所有人,以支持各地的研究。我们还致力于开发和维护 MuJoCo,这是一个免费、开源、社区驱动的项目,具有一流的功能。今天,我们很高兴地报告开源已经完成,整个代码库都在 GitHub 上!在这里,我们解释了为什么 MuJoCo 是一个很棒的开源协作平台,并分享了我们未来路线图的预览。
Discovering the systematic errors made by machine learning models
使用跨模态嵌入发现系统性错误在这篇博文中,我们介绍了 Domino,这是一种发现机器学习模型系统性错误的新方法。我们还讨论了定量评估 Domino 等方法的框架。链接:📄 论文(ICLR 2022)🌍 更长的演练💻 GitHub📘 文档📒 Google Colab 实现高总体准确率的机器学习模型通常会在连贯的验证数据切片上犯系统性错误。什么是切片?切片是一组具有共同特征的数据样本。例如,在大型图像数据集中,老式汽车的照片构成一个切片(即切片中的所有图像都有一个共同的主题)。术语切片有许多您可能更熟悉的同义词(例如子组、子群体、地层)。这些术语基本上可以互换,但在本文中我们将坚持使用“切片”。如
Discovering the systematic errors made by machine learning models
使用跨模态嵌入发现系统性错误在这篇博文中,我们介绍了 Domino,这是一种发现机器学习模型系统性错误的新方法。我们还讨论了定量评估 Domino 等方法的框架。链接:📄 论文(ICLR 2022)🌍 更长的演练💻 GitHub📘 文档📒 Google Colab 实现高总体准确率的机器学习模型通常会在连贯的验证数据切片上犯系统性错误。什么是切片?切片是一组具有共同特征的数据样本。例如,在大型图像数据集中,老式汽车的照片构成一个切片(即切片中的所有图像都有一个共同的主题)。术语切片有许多您可能更熟悉的同义词(例如子组、子群体、地层)。这些术语基本上可以互换,但在本文中我们将坚持使用“切片”。如
BanditPAM: Almost Linear-Time k-medoids Clustering via Multi-Armed Bandits
TL;DR想要比 \(k\)-means 更好的东西吗?我们最先进的 NeurIPS \(k\)-medoids 算法 BanditPAM 现已公开!\(\texttt{pip install banditpam}\),您就可以开始了!与 \(k\)-means 问题一样,\(k\)-medoids 问题是一个聚类问题,我们的目标是将数据集划分为不相交的子集。然而,在 \(k\)-medoids 中,我们要求聚类中心必须是实际数据点,这允许对聚类中心进行更好的解释。\(k\)-medoids 还可以更好地处理任意距离度量,因此如果您使用 \(L_1\) 之类的度量,您的聚类对异常值会更稳健。尽
BanditPAM: Almost Linear-Time k-medoids Clustering via Multi-Armed Bandits
TL;DR想要比 \(k\)-means 更好的东西吗?我们最先进的 NeurIPS \(k\)-medoids 算法 BanditPAM 现已公开!\(\texttt{pip install banditpam}\),您就可以开始了!与 \(k\)-means 问题一样,\(k\)-medoids 问题是一个聚类问题,我们的目标是将数据集划分为不相交的子集。然而,在 \(k\)-medoids 中,我们要求聚类中心必须是实际数据点,这允许对聚类中心进行更好的解释。\(k\)-medoids 还可以更好地处理任意距离度量,因此如果您使用 \(L_1\) 之类的度量,您的聚类可以对异常值更具鲁棒
Stanford AI Lab Papers and Talks at NeurIPS 2021
第三十五届神经信息处理系统会议(NeurIPS)2021 将于 12 月 6 日至 14 日以线上方式举办。我们很高兴与大家分享 SAIL 在主会议、数据集和基准测试轨道以及各种研讨会上展示的所有工作,您可以在下面找到论文、视频和博客的链接。我们 SAIL 社区中的一些成员还担任 12 月 13 日至 14 日举行的几场激动人心的研讨会的共同组织者,所以我们希望您能关注它们!欢迎直接联系联系作者和研讨会组织者,以了解斯坦福大学正在进行的工作!主会议通过将表示解码为输入来提高神经网络的组合性作者:Mike Wu、Noah Goodman、Stefano Ermon联系方式:wumike@stan
Stanford AI Lab Papers and Talks at NeurIPS 2021
第三十五届神经信息处理系统会议(NeurIPS)2021 将于 12 月 6 日至 14 日以线上方式举办。我们很高兴与大家分享 SAIL 在主会议、数据集和基准测试轨道以及各种研讨会上展示的所有工作,您可以在下面找到论文、视频和博客的链接。我们 SAIL 社区的一些成员还担任 12 月 13 日至 14 日举行的几场激动人心的研讨会的共同组织者,所以我们希望您能关注它们!欢迎直接联系联系作者和研讨会组织者,以了解斯坦福大学正在进行的工作!主会议通过将表示解码为输入来提高神经网络的组合性作者:Mike Wu、Noah Goodman、Stefano Ermon联系方式:wumike@stanf
Leading Education and Innovation Research at Logitech
Madeleine Mortimore 是一名研究员,担任 Logitech 的全球教育创新和研究主管。她曾就读于哈佛大学教育研究生院,曾在教育科技的各个领域工作过,担任过国际教育家、麻省理工学院教学与学习实验室的创新者、美国最大的在线高中之一的战略家,她还在哈佛创新实验室创办了一家教育科技初创公司。Madeleine 与主持人 Mike Palmer 一起讨论她最近进行的远程学习研究以及如何优化教育科技,为学生创造健康的学习环境。我们听取了她关于从事学习专业职业的建议,她分享了研究一对一计算的感受,在这种计算中,每个学生都有一台可以在课堂上使用的设备。无论是音频和声学的重要性,还是实时网络摄
#226 – Jo Boaler: How to Learn Math
Jo Boaler 是斯坦福大学的数学教育教授,也是 youcubed 的联合创始人。请查看我们的赞助商来支持此播客:- Truebill:https://truebill.com/lex- Fundrise:https://fundrise.com/lex- ExpressVPN:https://expressvpn.com/lexpod 并使用代码 LexPod 获得 3 个月免费使用权- Indeed:https://indeed.com/lex 获得 75 美元信用额度- Stamps.com:https://stamps.com 并使用代码 LEX 获得免费邮资和磅秤剧集链接:Jo
CARLA: A Python Library to Benchmark Algorithmic Recourse and Counterfactual Explanation Algorithms
CARLA(反事实和追索库)是一个 Python 库,用于对不同数据集和不同机器学习模型中的反事实解释方法进行基准测试。总之,我们的工作提供了以下贡献:(i)对 11 种流行的反事实解释方法进行了广泛的基准测试,(ii)用于研究未来反事实解释方法的基准测试框架,以及(iii)一套标准化的综合评估措施和数据集,用于对这些方法进行透明和广泛的比较。我们在 Github 上开源了 CARLA 和我们的实验结果,使它们可以作为有竞争力的基准。我们欢迎其他研究小组和从业人员的贡献。
Piaggio выпустит уменьшенную версию колесного робота Gita
将物品放在带轮子的行李箱中固然方便,但如果您想解放双手怎么办?正是针对这种情况,轮式机器人Gita被开发出来,而且更紧凑的版本gitamini也即将出现。
The largest risk-group we must reach to reduce COVID vaccination disparities
昨晚我下载了最新的人口普查局7月至8月34周脉冲数据。在两杯咖啡中,我经营了明显的多变量逻辑回归,以检查谁现在已经完全接种了Covid。有关完整的logit系数,请参见本文的底部。我敢肯定,审稿人2将订购应有的[…]我们必须达到的最大风险组,以减少偶然经济学家首次出现的疫苗接种差异。
Moral Hazard in Climate Change Adaptation
雅加达海平面上升的迷人色彩,以及对某些类型适应相关的道德风险的良好洞察。https://allanhsiao.github.io/files/Hsiao_jakarta.pdfhttps://allanhsiao.github.io/摘要:海平面上升对雅加达构成了生存威胁,雅加达面临频繁且日益严重的洪水灾害。政府已提议修建海堤作为回应。在这种情况下,我研究了政府干预如何使长期适应气候变化变得复杂。我表明,政府干预会造成沿海道德风险,并使用动态空间模型量化这种力量,在该模型中,开发商和居民在行动时会考虑洪水风险。我发现道德风险会产生严重的锁定效应,并限制向内陆迁移,即使从长远来看也是如此。
#206 – Ishan Misra: Self-Supervised Deep Learning in Computer Vision
Ishan Misra 是 FAIR 的一名研究科学家,致力于自我监督视觉学习。请查看我们的赞助商来支持此播客:- Onnit:https://lexfridman.com/onnit 可享受高达 10% 的折扣- The Information:https://theinformation.com/lex 可享受首月 75% 的折扣- Grammarly:https://grammarly.com/lex 可享受 20% 的高级折扣- Athletic Greens:https://athleticgreens.com/lex 并使用代码 LEX 可获得 1 个月的鱼油剧集链接:Ishan
МТС приобрела контроль в блокчейн-платформе Factorin
MTS 收购了 Factorin 公司 51% 的股份,该公司拥有用于贸易融资的 Factorin 区块链平台。交易金额达8.67亿卢布,其中3.5亿卢布。将走向公司的发展。创始人 Andrey Maklin 和团队保留了该项目 25% 的股份,另外 24% 则来自 Digital Horizon。对于 MTS 来说,这笔交易将扩大企业客户的金融服务生态系统,即使用区块链提供保理服务。安德烈·马克林 (Andrey Maklin) 指出,该交易将有助于“对 B2B 领域的整个金融科技服务领域进行质变”。据他预测,2024年贸易融资保理市场规模将增长至8万亿卢布。
Яндекс опубликовал подробный датасет с записью движения беспилотников
Yandex 发布了用于机器学习领域研究的无人机数据集。为 Shifts Challenge 发布的匿名数据集,该挑战赛是 NeurIPS 2021 国际会议的一部分。它包含超过 1,600 小时的自动驾驶车辆运动记录,分为 60 万个片段。开发人员收集了俄罗斯、以色列和美国不同天气条件下道路交通的数据。这是世界上此类类型中最大的公开数据集。 GitHub 上的数据集
ДФВТ инвестировал 200 млн рублей в проект «умный город»
远东高科技基金 (FEHT) 的投资者为 VEB.DV 和 RUSNANO(VEB.RF 集团的一部分)和 RVC,向 Digital Primorye LLC 投资了 2 亿卢布,这是一家与“智能”城市系统集成商 – 由 Wessolink 集团公司提供。