报名 | 微软亚洲研究院秦涛博士作客公开课，阐述对偶学习的对称之美

文章预览

众所周知，大规模带标签的数据对于深度学习尤为重要。在以图像识别、机器翻译等为代表的任务中，深度神经网络通过大量带标签的数据进行训练。但这样的前提存在两个主要的局限性。首先是人工标记数据的成本很高；其次是大规模标记数据获取的难度较大。 为了解决这一问题，在 NIPS 2016 上，微软亚洲研究院提出了“一种新的机器学习范式”——对偶学习，利用任务互为对偶的特点从无标注的数据中进行学习。它的训练原理是怎样，具体有哪些应用前景，近期又有着怎样的进展？本期硬创公开课，AI科技评论荣幸地邀请到微软亚洲研究院主管研究员秦涛博士，为我们讲述对偶学习的新进展。 主要内容 本次公开课内容如下： 1．  深度学习面 ………………………………