論文の概要: Heckerthoughts

• arxiv url: http://arxiv.org/abs/2302.05449v1
• Date: Mon, 13 Feb 2023 14:42:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-14 20:13:29.297876
• Title: Heckerthoughts
• Title（参考訳）: ヘッカー思想
• Authors: David Heckerman
• Abstract要約: この原稿は、MLとAIの中心となる基本的な概念を理解したい人のためのものです。 技術的なプレゼンテーションに加えて、アイデアがどのようになったのか、それが与えた影響についての話も含んでいます。
• 参考スコア（独自算出の注目度）: 8.98526174345299
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In 1987, Eric Horvitz, Greg Cooper, and I visited I.J. Good at his university. We wanted to see him was not because he worked with Alan Turing to help win WWII by decoding encrypted messages from the Germans, although that certainly intrigued us. Rather, we wanted to see him because we had just finished reading his book "Good Thinking," which summarized his life's work in Probability and its Applications. We were graduate students at Stanford working in AI, and amazed that his thinking was so similar to ours, having worked decades before us and coming from such a seemingly different perspective not involving AI. This story is a fitting introduction this manuscript. Now having years to look back on my work, to boil it down to its essence, and to better appreciate its significance (if any) in the evolution of AI and ML, I realized it was time to put my work in perspective, providing a roadmap to any who would like to explore it. After I had this realization, it occurred to me that this is what I.J. Good did in his book. This manuscript is for those who want to understand basic concepts central to ML and AI and to learn about early applications of these concepts. Ironically, after I finished writing this manuscript, I realized that a lot of the concepts that I included are missing in modern courses on ML. I hope this work will help to make up for these omissions. The presentation gets somewhat technical in parts, but I've tried to keep the math to the bare minimum. In addition to the technical presentations, I include stories about how the ideas came to be and the effects they have had. When I was a student in physics, I was given dry texts to read. In class, however, several of my physics professors would tell stories around the work. Those stories fascinated me and really made the theory stick. So here, I do my best to present both the ideas and the stories behind them.
• Abstract（参考訳）: 1987年、エリック・ホーヴィッツ、グレッグ・クーパー、私は彼の大学でI.J.グッドを訪問した。 アラン・チューリングと協力して、ドイツから暗号化されたメッセージを解読して第二次世界大戦に勝利させたかったからではありません。 むしろ、我々はちょうど彼の著書"good thinking"を読み終えたばかりで、彼の人生における確率とその応用に関する仕事が要約されたので、彼に会いたかったのです。 私たちはスタンフォード大学の大学院生で、彼の考えが私たちの考えと非常に似ていて、私たちの何十年も前に働いていて、aiとは別の視点から来ていることに驚きました。 この物語はこの写本の紹介にぴったりだ。 私の仕事の振り返り、その本質に固執し、aiとmlの進化におけるその重要性を(もしあれば)より高く評価するために、私は仕事の観点で検討する時が来たことに気付き、それを探求したい人にロードマップを提供したいのです。 このことに気がついた後、私はI.J. Goodが本の中で行なったことを発見した。 この原稿は、MLとAIの中心となる基本的な概念を理解し、これらの概念の初期の応用について学びたい人のためのものである。 皮肉なことに、この原稿を書き終えた後、私が含んだ概念の多くは、MLの現代的なコースに欠けていることに気づきました。 この仕事がこれらの欠落を補うのに役立つことを願っています。 プレゼンテーションには技術的な部分もありますが、数学を最小限に保とうとしました。 技術的なプレゼンテーションに加えて、アイデアがどのようになり、それらが与えた影響についての話も持っています。 物理学の学生だった頃、私は読むために乾いたテキストをもらった。 しかし、授業では、物理学の教授数人が作品に関する話をしていた。 その話は私を魅了し、本当に理論を固くした。 ここでは、アイデアと背後にあるストーリーの両方を提示するために最善を尽くします。

関連論文リスト

• ICE-T: A Multi-Faceted Concept for Teaching Machine Learning [2.9685635948300004]
  我々は、コンピュータサイエンスの教育に使用される実践的原則を考察し、基準を定義し、既存の著名なプラットフォーム、ツール、ゲームの選択を評価します。 我々は、主にブラックボックスとして機械学習を描写するアプローチを批判し、結果としてデータ、アルゴリズム、モデルを理解することに重点を置いていない。 本稿では、既知の教義の延長として、モーダル間移動、計算、説明的思考、ICE-Tについて述べる。
  論文  参考訳（メタデータ） (2024-11-08T09:16:05Z)
• Intelligence as Computation [12.22355090459656]
  この概念化は、インテリジェンス研究のすべての分野に統一された視点を提供することを目的としている。 物理的、神経的、身体的、形態学的、機械的知性など、現在調査中のいくつかの概念化を統一する。
  論文  参考訳（メタデータ） (2024-05-26T15:30:34Z)
• Trustworthy Machine Learning [57.08542102068706]
  信頼に値する機械学習(TML)に関する教科書は、TMLの4つの重要なトピックの理論的および技術的な背景をカバーしている。 本稿では、上記の分野に関する重要な古典的・現代的な研究論文について論じ、その基礎となる直観を解明し、接続する。
  論文  参考訳（メタデータ） (2023-10-12T11:04:17Z)
• A Survey of Deep Learning for Mathematical Reasoning [71.88150173381153]
  我々は過去10年間の数学的推論とディープラーニングの交差点における重要なタスク、データセット、方法についてレビューする。 大規模ニューラルネットワークモデルの最近の進歩は、新しいベンチマークと、数学的推論にディープラーニングを使用する機会を開放している。
  論文  参考訳（メタデータ） (2022-12-20T18:46:16Z)
• Deep Learning to See: Towards New Foundations of Computer Vision [88.69805848302266]
  この本はコンピュータビジョンの分野における科学的進歩を批判している。 情報に基づく自然法則の枠組みにおける視覚の研究を提案する。
  論文  参考訳（メタデータ） (2022-06-30T15:20:36Z)
• Dive into Deep Learning [119.30375933463156]
  この本はJupyterのノートブックでドラフトされており、説明図、数学、インタラクティブな例を自己完結型コードとシームレスに統合している。 私たちのゴールは、(i)誰でも自由に利用できるリソースを提供すること、(ii)応用機械学習科学者になるための出発点を提供するのに十分な技術的な深さを提供すること、(iii)実行可能なコードを含み、実際にどのように問題を解決するかを読者に示すこと、(iv)私たちとコミュニティの両方による迅速なアップデートを可能にすることです。
  論文  参考訳（メタデータ） (2021-06-21T18:19:46Z)
• K\"unstliche Intelligenz, quo vadis? [1.1421942894219896]
  本稿では,AIの現状について概説する。 次に、基本的な機械学習と知識処理技術を記述する。 これに基づいて、将来のAI開発の可能性と制限が議論される。
  論文  参考訳（メタデータ） (2021-04-21T09:30:16Z)
• Formalising Concepts as Grounded Abstractions [68.24080871981869]
  このレポートは、表現学習が生データから概念を誘導する方法を示しています。 このレポートの主な技術的目標は、表現学習のテクニックが概念空間の格子理論的定式化とどのように結婚できるかを示すことである。
  論文  参考訳（メタデータ） (2021-01-13T15:22:01Z)
• Machine Knowledge: Creation and Curation of Comprehensive Knowledge Bases [28.856786775318486]
  知識グラフとしても知られる大規模な知識基盤は、Webコンテンツやテキストソースから自動的に構築されている。 本稿では,知識基盤の創出と大規模化に関する基礎的概念と実践的手法について考察する。
  論文  参考訳（メタデータ） (2020-09-24T09:28:13Z)
• A Summary of the First Workshop on Language Technology for Language Documentation and Revitalization [70.14668193220528]
  2019年8月、カーネギーメロン大学でワークショップが開かれ、言語コミュニティのメンバー、ドキュメンタリー言語学者、技術者を集結させようとした。 本報告では,ワークショップの結果を報告するとともに,9言語を対象とした様々な技術が開発され,実装されている。
  論文  参考訳（メタデータ） (2020-04-27T22:55:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。