AWS首席科学家李沐分享斯坦福2021秋季新课：实用机器学习-技术圈

作者：李沐

编辑：QQ

大部分机器学习的课都关注于模型，但在用机器学习解决实际问题的同学们都知道，模型只是整个故事里的一块。

如果你是参加比赛，那么很重要的两块是调参和模型融合。如果你是将机器学习用进产品，那么你80%时间可能花在收集和清理数据上，剩下的时间大都用来监测线上模型质量，和维护定期上线新模型上。

课程是这么来的

某一天公司老板突然提议说我们来开一门讲如何落地机器学习到产品中的课，关注在模型以外的技术。

这一提议得到了家里领导的积极赞同（领导指示：疫情后日常的斯坦福遛娃活动被取消了，赶紧拿个证把活动重新搞起来）。

所以9月开始，我将在两领导的带领下，开设《实用机器学习》课程。

课程将分四部分，包括：1）数据收集和处理，模型融合和评估，2）处理实际数据中遇到的各种偏移，和有结构的数据（时序，图），3）自动调参、模型蒸馏、多模块融合，4）性能、公平性、因果推理。

在斯坦福的同学9月1号可以在系统里选课，课号是 CS329P。我们也在同学校协商将课程视频免费放到网上。当然也有在考虑是不是推出一个中文版本。

课程简介

应用机器学习（ML）来准确和稳健地解决实际问题，需要的不仅仅是训练最新的ML模型。首先，你将学习处理数据的实用技术。这很重要，因为真实的数据往往不是独立和相同的分布。

它包括检测协变量、概念和标签的转移，以及对依赖性随机变量的建模，如时间序列和图表中的随机变量。接下来，你将学习如何有效地训练ML模型，如调整超参数、模型组合和转移学习。最后，你将学习公平性和模型的可解释性，以及如何有效地部署模型。

这门课将同时教授统计学、算法和代码实现。作业和最后的项目强调解决实际问题。

授课大牛包括Google Brain高级研究科学家、AWS高级首席科学家和AWS副总裁/杰出科学家。

课程主页在大家熟悉的d2l.ai：https://c.d2l.ai/stanford-cs329p/

同学们纷纷表示：期待中文版

参考资料：

https://zhuanlan.zhihu.com/p/404855524

https://www.bilibili.com/read/cv12933687

https://c.d2l.ai/stanford-cs329p/