B站上線斯坦福最新「機(jī)器學(xué)習(xí)系統(tǒng)(MLSys)」全集，小伙伴有福了！

---

  新智元報(bào)道 

來源：外媒

編輯：keyu

• 機(jī)器學(xué)習(xí)系統(tǒng)（ML + Systems）
• 準(zhǔn)確率之外：使用CheckList方法對NLP模型進(jìn)行行為測試（Beyond Accuracy: Behavioral Testing of NLP Models with CheckList）
  
  
• 工業(yè)界的機(jī)器學(xué)習(xí)：從MLflow中所學(xué)習(xí)到的（Machine Learning at Industrial Scale: Lessons from the MLflow Project）
• 聯(lián)邦設(shè)置中的異構(gòu)性（On Heterogeneity in Federated Settings）
• 使用Snorkel來編程和管理訓(xùn)練數(shù)據(jù)（Programmatically Building & Managing Training Data with Snorkel）
• 設(shè)計(jì)優(yōu)越機(jī)器學(xué)習(xí)系統(tǒng)的原則（Principles of Good Machine Learning Systems Design）
  
  
• JAX：通過在Python中組合函數(shù)轉(zhuǎn)換來加速機(jī)器學(xué)習(xí)研究（JAX: accelerating machine learning research by composing function transformations in Python）
• 可擴(kuò)展貝葉斯優(yōu)化的工業(yè)應(yīng)用（Scalable Bayesian Optimization for Industrial Applications）
• 僅用數(shù)小時(shí)，即可將靈感實(shí)現(xiàn)為視頻分析模型（From Ideas to Video Analysis Models in Hours, Not Weeks）
• TinyML：減少物聯(lián)網(wǎng)中人工智能的碳排放（TinyML: Reducing the Carbon Footprint of Artificial Intelligence in the Internet of Things (IoT) ）
• Horovod工具與深度學(xué)習(xí)的大規(guī)模進(jìn)化（Horovod and the Evolution of Deep Learning at Scale）