机器学习研究在多个方面都取得了进展,包括模型结构和学习方法。自动化此类研究的努力(称为 AutoML)也取得了重大进展。然而,这一进展主要集中在神经网络的架构上,它依赖于复杂的专家设计层作为构建块——或类似的限制性搜索空间。我们的目标是展示 AutoML 可以走得更远:今天可以仅使用基本的数学运算作为构建块来自动发现完整的机器学习算法。我们通过引入一个新颖的框架来证明这一点,该框架通过通用搜索空间显着减少了人为偏见。尽管这个空间广阔,但进化搜索仍然可以发现通过反向传播训练的两层神经网络。然后可以通过直接在感兴趣的任务上进化来超越这些简单的神经网络,例如 CIFAR-10 变体,现代技术从中出现
随着计算思维 (CT) 教学在小学阶段的兴起,基础计算教学必须支持各种各样的学习者。这个年龄段的学生常用的教学方法是使用–>修改–>创造,该方法通过更有支架的指导性教学引入概念,然后以更开放的项目结束以促进学生参与。然而,关于学生在使用–>修改步骤中的学习的研究很少,也没有促进此步骤学习的策略。本文介绍了 TIPP&SEE,这是一种元认知学习策略,可在此步骤中进一步支持学生学习。一项实验研究的结果显示,使用 TIPP&SEE 策略的学生在几乎所有中等和困难难度的评估问题上都获得了统计上显著的成绩提升,表明其具有成为有效 CS/CT 学习策略的潜力。
AI Sciences Books 使用 Python 和 R 等计算机科学编程语言探索人工智能和数据科学的各个方面。我们的书籍可能是最适合初学者的书籍;对于任何想要从头开始学习人工智能和数据科学的人来说,它都是循序渐进的指南。它将帮助您打下坚实的基础,并让您轻松学习任何其他高级课程。