B站上线斯坦福最新「机器学习系统(MLSys)」全集，假期学起来！-技术圈

来源：外媒

编辑：keyu

转自：新智元

机器学习的普及对人们构建和部署系统和应用程序的过程意味着什么?

在现实世界中部署机器学习系统时，行业会面临哪些挑战? 学术界如何应对这些挑战?

没错，这些都是斯坦福公开「机器学习系统(MLSys)系列讲座」所要涉及的问题。

从2020年秋季开始，斯坦福大学开始在YouTube上直播「机器学习系统(MLSys)系列讲座」，并在线回答问题。

这个系列的研讨会主要是关于机器学习前沿进展以及它是如何改变现代编程的。研讨会的组织者的目标，是为了在其中分享和回顾机器学习系统中有趣的工作，以此来帮助未来的研究。

在每场直播之后，每场讲座的视频都相继上传到了YouTube，到目前为止，这个讲座还在持续进行中：

你可以选择关注频道来及时收到每周的直播预告和更新，还可以选择发送自己的邮箱地址，这样，你每周也都能收到通知和直播链接。

这么香的免费资源，相信大家一定都非常感兴趣！

什么？没法上YouTube？

没关系！这不，「无所不包」的B站上也可以看——

今年1月28日，B站搬运并上线了「机器学习系统(MLSys)系列讲座」（Stanford MLSys Seminar Series），错过直播不要紧，一个系列就弥补你所有损失～

最后，小编列出了过去已经讨论过的话题，并制作成列表供大家参考：

机器学习系统（ML + Systems）
准确率之外：使用CheckList方法对NLP模型进行行为测试（Beyond Accuracy: Behavioral Testing of NLP Models with CheckList）
工业界的机器学习：从MLflow中所学习到的（Machine Learning at Industrial Scale: Lessons from the MLflow Project）
联邦设置中的异构性（On Heterogeneity in Federated Settings）
使用Snorkel来编程和管理训练数据（Programmatically Building & Managing Training Data with Snorkel）
设计优越机器学习系统的原则（Principles of Good Machine Learning Systems Design）
JAX：通过在Python中组合函数转换来加速机器学习研究（JAX: accelerating machine learning research by composing function transformations in Python）
可扩展贝叶斯优化的工业应用（Scalable Bayesian Optimization for Industrial Applications）
仅用数小时，即可将灵感实现为视频分析模型（From Ideas to Video Analysis Models in Hours, Not Weeks）
TinyML：减少物联网中人工智能的碳排放（TinyML: Reducing the Carbon Footprint of Artificial Intelligence in the Internet of Things (IoT) ）
Horovod工具与深度学习的大规模进化（Horovod and the Evolution of Deep Learning at Scale）