原文:
机器学习需要面对的两大问题:泛化性和可信性
算法“黑箱”下AI信任存疑,可解释性AI迎来发展“元年”
科技云报道 阅13
你知道Auto ML是什么吗
昵称26181007 阅27
机器学习并不“万能” | 万门
饮膳道人 阅49
提升模型泛化能力所面临的挑战
月霞柳梢头 阅13
打开人工智能“黑盒” 华夏基金首席数据官参与撰写书籍上市
bawuping 阅6 转2
人工智能“大厦”急需夯实数理“基础”
紫微o太微o天市 阅94
因果推断对当下人工智能、机器学习的影响
坚定不移2 阅8
报告 | 2021十大人工智能趋势
weiwarm 阅54
让人类参与的人机循环机器学习算法或许是一个不错的解决方法
何为何未 阅11
因果推断与机器学习,终于有本书能讲明白啦!
gfergfer 阅10
2021年,神经科学AI有这几大趋势
科技行者 阅101
【机器学习】集成学习的原理、算法与应用
流形sbz 阅17
这家公司正在影响大公司决策,还开发了一款机器学习优化引擎
歪小姐 阅83 转5
模式识别和机器学习、数据挖掘的区别与联系
xueli100329 阅421 转4
关于两种统计模型文化的思考
geoallan 阅116 转3
重构广义应用数学:人工智能,数学发展的重大机遇
wunianyi 阅191
深度学习与机器学习
taomaohu860706 阅189 转2
周翔主讲,李训虎等共话:法律人工智能中计算机和法学视角的差异
司法兰亭会 阅62
我们要通过对深度学习技术与算法的改进来发展AI技术
办公技巧达人 阅2
什么是AI编程
江海博览 阅99
综述 | 杜克大学!可解释机器学习
汉无为 阅55
为什么我们需要将机器学习和逻辑推理结合在一起
微薇蔚葳 阅4
今天来聊一聊可信机器学习
昵称26407850 阅20
总结673篇论文,UIUC等发表可信机器学习综述,20个月完成
天承办公室 阅3
2018 年,关于深度学习的十个预测
lindan9997 阅67 转2
香港科技大学教授杨强:人工智能成功的几个必要条件
雷锋网 阅343
《可解释机器学习》中文版重磅开源!这位复旦小哥太给力了
西北望msm66g9f 阅391 转2
机器学习模型与隐私问题的关联是什么
科技分享小助手 阅6
漫谈人工智能的公平性
liuaqbb 阅1378 转16
干货|全面介绍微软开源可解释机器学习框架InterpretML
黄爸爸好 阅1022 转6
首页
留言交流
联系我们
回顶部