分享主题

机器学习：实践经验分享

分享背景

随着硬件算力的上升、数据积累的加大和各种新算法的浮现，机器学习走到了聚光灯下。不夸张的说，这是机器学习的时代。然而，机器学习虽然能够给出惊艳的结果，但其有限的解释性也常被人戏称为“黑箱”。而实践者在使用机器学习的过程中往往也会面临各种各样的选择。选择什么数据？数据如何清理？使用哪个模型？如何进行评估？如何发现过拟合与欠拟合？
这些问题都还没有准确的答案，往往依赖于使用者的经验与直觉。在今天的分享课中，我们将会集中讨论在机器学习中所面临的选择，并给出一些实用的经验建议。详情请参考题纲。

分享提纲

• 如何将实际问题抽象为机器学习问题？
• 如何选择适合的数据？
• 如何选择适合的模型和有效的评估标准？
• 如何理解欠拟合与过拟合？Bias-Variance 分解的意义是什么？
• 机器学习101问
• 讨论与交流

分享人

阿萨姆，普华永道高级数据科学家，负责统计学习模型开发。有丰富的工业及学术经验，擅长将理论知识应用于实践中。曾以第一作者发表过多篇不同领域的学术文章，如人机互动、智能系统等。研究兴趣包括异常检测、集成学习、跨领域机器学习。以笔名“阿萨姆”在知乎上创作了多篇机器学习相关的文章，曾数次被知乎及知乎日报收录。乐于技术分享，近期正在进行机器学习实践书籍创作。

分享时间

北京时间12月20日（周三） 20:00