Abstrakti

Link: https://engineering.purdue.edu/~milind/waci/mansinghka-abstract.html

Probabilistinen mallinnus ja koneoppimisen tarjoavat tehokkaita työkaluja käsittely epäselvä ja meluisa tietoja. He pelaavat keskeinen rooli kaupalliset järjestelmät vaihtelevat haku itsenäinen ajoneuvot käyttöliittymiä. Valitettavasti, state-of-the-art probabilistinen mallinnus ja kone oppiminen voi olla vaikeaa, joissa mukautetun matematiikan, custom lainsäädännön algoritmeja, ja custom ohjelmisto, jotka kaikki vaativat asiantuntija viritys.

Aion kuvata uusi, stokastinen ohjelmisto ja laitteisto abstraktioita, yhdessä toteutettu prototyyppejä. Nämä ovat kaikki perustuu syntymässä avioliitto ideoita, todennäköisyys ja tilastot, erityisesti stokastiset prosessit, satunnaismuuttujat ja Bayes-päättely, jossa ideoita tietojenkäsittelytieteen, erityisesti piirejä, jalostajien ja ohjelmia. Koko meidän tulee luopua riippuvuus rock-solid determinismi, joka on keskeinen computer science and engineering.

Annan yleiskatsaus kolme probabilistinen tietotekniikkajärjestelmät:

  1. Hanke probabilistinen ohjelmointi ympäristö. Hanke on helppo ratkaista state-of-the-art kone oppimisen ongelmia käyttäen ~100x vähemmän koodia, ja myös rakentaa rikkaampi, enemmän realistisia malleja. Näytän esimerkkejä tekstin asiakirjan mallinnus ja alustavan työn konenäkö.
  2. Ennakoiva tietokannat, ensimmäinen kaupallinen, “big data” sovellus probabilistinen computing. Näiden avulla käyttäjät ilman tilastoja koulutus luotettavasti ratkaista data-analyysin ongelmia käyttämällä yksinkertaista SQL-kuten käyttöliittymä. Koneoppimisen backend perustuu 40-line probabilistinen ohjelma.
  3. Stokastinen digitaalisten piirien ja erikoiskoneiden päättely-prosessorit, prototyyppi on FPGAs. Nämä toimittaa 1000x nopeus parannuksia ja 10-100x teho säästöjä stereo visio, liikkeen käsitys ja klusterointi.

Speaker Bio

Tohtori Vikash Mansinghka on Tiedustelu-Aloitteinen Kaveri MIT: n tietojenkäsittelytieteen ja AI Laboratorio-ja Department of Brain & Kognitiiviset Tieteet, jossa hän johtaa Probabilistinen Laskennan Projekti. Tohtori Mansinghka sai SB Matematiikan, ja SB Computer Science, MEng Computer Science, ja PhD Laskenta, kaikki MIT. Hän kävi jatko-apurahat National Science Foundation ja MIT: n Lincoln Laboratorio. Hänen väitöskirjan natiivisti probabilistinen laskenta voitti 2009 MIT George M. Sprowls palkinnon paras väitöskirja tietotekniikassa. Aiemmin hän oli mukana perustamassa ja johti venture tukema käynnistyksen myynti ennakoiva tietokanta ohjelmisto, joka oli lopulta osti Salesforce.com 2012. Hän toimi DARPA on Tietoa Tieteen ja Teknologian neuvoa-antavan hallituksen 2010-2012.

Leave a Reply

Your email address will not be published. Required fields are marked *