什么是数据驱动算法设计？
在过去的几年中，越来越多的机器学习（半）自动算法用于解决各类优化问题。典型的例子包括：
学习启发的为 A *搜索。
学习一门分支启发式的branch-and-bound问题。
学习局部优化程序（比梯度下降更快）以进行连续优化。
调整复杂模型的超参数以获得最佳性能。
最近的这次研讨会涵盖了许多其他主题。
像所有机器学习一样，模型需要数据才能很好地学习。有两种获取此类数据的方法：
可以预先收集要学习的问题实例，并假设训练样本可以很好地代表未来的测试样本。
人们可以在一个新的问题实例上“即时”学习。
以及将两者混合。
本课程的目的是使学生熟悉如何使用机器学习来辅助自动算法设计与分析。 学生将阅读和讨论最新的研究论文，并进行研究项目。
课程主讲人
课程主页
https://sites.google.com/view/cs-159-spring-2020/home
课程目录
课程视频截图
往期精品内容推荐
特斯拉自动驾驶感知、预测与多任务学习-Andrej Karp
谷歌云系统构建新书-《构建、实现和维护稳定且安全云系统的最佳方案》免费分享
Tensorflow 2.0历史最全资源中文版整理分享-教程、博客、代码和视频教程
19年11月最新-《TensorFlow 2.0深度学习算法实战教材》-中文版教材+随书代码+视频-分享.pdf
自然语言处理算法工程师历史最全资料汇总-基础知识点、面试经验
中文自然语言处理测评数据集、基准模型、语料库、排行榜整理分享
NLP、CV、语音相关AI算法工程师面试问题、代码、简历模板、知识点等资源整理分享
多任务学习(Multitask-Learning)相关资料、经典论文、开源代码整理分享