L'apprentissage automatique efficace grâce à la synthèse des données

Cette séance de cours de l'instructeur de l'Université de Stanford sur l'apprentissage automatique efficace par la synthèse des données couvre les défis de la formation sur les grandes données, de l'identification des données « bonnes » et de l'élaboration de méthodes de synthèse des données. La séance de cours présente les applications de recherche et l'impact des méthodes de synthèse des données, y compris la synthèse d'images, le regroupement, le placement des capteurs et la maximisation des revenus. Il introduit l'algorithme de Greedy pour la maximisation sous-modulaire et discute des limites de l'approche Greedy. La séance de cours se penche ensuite sur le développement de l'algorithme GreeDi pour la synthèse des données distribuées et l'approche CRAIG pour l'apprentissage des résumés, la mise en évidence des applications à la régression logistique, les réseaux neuronaux et les réseaux profonds.