• ClipSaver
  • dtub.ru
ClipSaver
Русские видео
  • Смешные видео
  • Приколы
  • Обзоры
  • Новости
  • Тесты
  • Спорт
  • Любовь
  • Музыка
  • Разное
Сейчас в тренде
  • Фейгин лайф
  • Три кота
  • Самвел адамян
  • А4 ютуб
  • скачать бит
  • гитара с нуля
Иностранные видео
  • Funny Babies
  • Funny Sports
  • Funny Animals
  • Funny Pranks
  • Funny Magic
  • Funny Vines
  • Funny Virals
  • Funny K-Pop

ML Robustness & Engineering - Andrew Ilyas (MIT) скачать в хорошем качестве

ML Robustness & Engineering - Andrew Ilyas (MIT) 1 год назад

скачать видео

скачать mp3

скачать mp4

поделиться

телефон с камерой

телефон с видео

бесплатно

загрузить,

Не удается загрузить Youtube-плеер. Проверьте блокировку Youtube в вашей сети.
Повторяем попытку...
ML Robustness & Engineering - Andrew Ilyas (MIT)
  • Поделиться ВК
  • Поделиться в ОК
  •  
  •  


Скачать видео с ютуб по ссылке или смотреть без блокировок на сайте: ML Robustness & Engineering - Andrew Ilyas (MIT) в качестве 4k

У нас вы можете посмотреть бесплатно ML Robustness & Engineering - Andrew Ilyas (MIT) или скачать в максимальном доступном качестве, видео которое было загружено на ютуб. Для загрузки выберите вариант из формы ниже:

  • Информация по загрузке:

Скачать mp3 с ютуба отдельным файлом. Бесплатный рингтон ML Robustness & Engineering - Andrew Ilyas (MIT) в формате MP3:


Если кнопки скачивания не загрузились НАЖМИТЕ ЗДЕСЬ или обновите страницу
Если возникают проблемы со скачиванием видео, пожалуйста напишите в поддержку по адресу внизу страницы.
Спасибо за использование сервиса ClipSaver.ru



ML Robustness & Engineering - Andrew Ilyas (MIT)

Andrew Ilyas, a PhD student at MIT who is about to start as a professor at CMU. We discuss Data modeling and understanding how datasets influence model predictions, Adversarial examples in machine learning and why they occur, Robustness in machine learning models, Black box attacks on machine learning systems, Biases in data collection and dataset creation, particularly in ImageNet and Self-selection bias in data and methods to address it. MLST is sponsored by Brave: The Brave Search API covers over 20 billion webpages, built from scratch without Big Tech biases or the recent extortionate price hikes on search API access. Perfect for AI model training and retrieval augmentated generation. Try it now - get 2,000 free queries monthly at http://brave.com/api This is video 4/13 from ICML 2024 Andrew's site: https://andrewilyas.com/ https://x.com/andrew_ilyas TOC: 00:00:00 - Introduction and Andrew's background 00:03:52 - Overview of the machine learning pipeline 00:06:31 - Data modeling paper discussion 00:26:28 - TRAK: Evolution of data modeling work 00:43:58 - Discussion on abstraction, reasoning, and neural networks 00:53:16 - "Adversarial Examples Are Not Bugs, They Are Features" paper 01:03:24 - Types of features learned by neural networks 01:10:51 - Black box attacks paper 01:15:39 - Work on data collection and bias 01:25:48 - Future research plans and closing thoughts Pod version: https://podcasters.spotify.com/pod/sh... References: Adversarial Examples Are Not Bugs, They Are Features https://arxiv.org/pdf/1905.02175 TRAK: Attributing Model Behavior at Scale https://arxiv.org/pdf/2303.14186 Datamodels: Predicting Predictions from Training Data https://arxiv.org/pdf/2202.00622 Adversarial Examples Are Not Bugs, They Are Features https://arxiv.org/pdf/1905.02175 IMAGENET-TRAINED CNNS https://arxiv.org/pdf/1811.12231 ZOO: Zeroth Order Optimization Based Black-box https://arxiv.org/pdf/1708.03999 A Spline Theory of Deep Networks https://proceedings.mlr.press/v80/bal... Scaling Monosemanticity https://transformer-circuits.pub/2024... Adversarial Examples Are Not Bugs, They Are Features https://gradientscience.org/adv/ Adversarial Robustness Limits via Scaling-Law and Human-Alignment Studies https://proceedings.mlr.press/v235/ba... Prior Convictions: Black-Box Adversarial Attacks with Bandits and Priors https://arxiv.org/abs/1807.07978 Estimation of Standard Auction Models https://arxiv.org/abs/2205.02060 From ImageNet to Image Classification: Contextualizing Progress on Benchmarks https://arxiv.org/abs/2005.11295 Estimation of Standard Auction Models https://arxiv.org/abs/2205.02060 What Makes A Good Fisherman? Linear Regression under Self-Selection Bias https://arxiv.org/abs/2205.03246 Towards Tracing Factual Knowledge in Language Models Back to the Training Data [Akyürek] https://arxiv.org/pdf/2205.11482

Comments
  • The 7 дней назад
    The "Final Boss" of Deep Learning
    Опубликовано: 7 дней назад
  • The Future of Veritasium 5 дней назад
    The Future of Veritasium
    Опубликовано: 5 дней назад
  • 20 концепций искусственного интеллекта, объясненных за 40 минут 3 месяца назад
    20 концепций искусственного интеллекта, объясненных за 40 минут
    Опубликовано: 3 месяца назад
  • Прорыв в области микрочипов: мы вышли за рамки кремния. 7 дней назад
    Прорыв в области микрочипов: мы вышли за рамки кремния.
    Опубликовано: 7 дней назад
  • Neural Networks Are Elastic Origami! [Prof. Randall Balestriero] 10 месяцев назад
    Neural Networks Are Elastic Origami! [Prof. Randall Balestriero]
    Опубликовано: 10 месяцев назад
  • Управление поведением LLM без тонкой настройки 12 дней назад
    Управление поведением LLM без тонкой настройки
    Опубликовано: 12 дней назад
  • LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры 1 год назад
    LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры
    Опубликовано: 1 год назад
  • This man builds intelligent machines 2 года назад
    This man builds intelligent machines
    Опубликовано: 2 года назад
  • How Do AI Models Actually Think? [Dr. Laura Ruis] 11 месяцев назад
    How Do AI Models Actually Think? [Dr. Laura Ruis]
    Опубликовано: 11 месяцев назад
  • Predicting and optimizing the behavior of large ML models Трансляция закончилась 8 месяцев назад
    Predicting and optimizing the behavior of large ML models
    Опубликовано: Трансляция закончилась 8 месяцев назад
  • Unreasonably effective AI | Demis Hassabis 1 год назад
    Unreasonably effective AI | Demis Hassabis
    Опубликовано: 1 год назад
  • Michael Levin - Why Intelligence Isn't Limited To Brains. 1 год назад
    Michael Levin - Why Intelligence Isn't Limited To Brains.
    Опубликовано: 1 год назад
  • Terence Tao at IMO 2024: AI and Mathematics 1 год назад
    Terence Tao at IMO 2024: AI and Mathematics
    Опубликовано: 1 год назад
  • Краткое объяснение больших языковых моделей 1 год назад
    Краткое объяснение больших языковых моделей
    Опубликовано: 1 год назад
  • Как чёрные дыры навели физиков на мысль, что наша Вселенная - голограмма? 1 день назад
    Как чёрные дыры навели физиков на мысль, что наша Вселенная - голограмма?
    Опубликовано: 1 день назад
  • Что такое стек ИИ? Магистратура LLM, RAG и аппаратное обеспечение ИИ 1 месяц назад
    Что такое стек ИИ? Магистратура LLM, RAG и аппаратное обеспечение ИИ
    Опубликовано: 1 месяц назад
  • Using Bayesian Approaches & Sausage Plots to Improve Machine Learning - Computerphile 1 год назад
    Using Bayesian Approaches & Sausage Plots to Improve Machine Learning - Computerphile
    Опубликовано: 1 год назад
  • AI can't cross this line and we don't know why. 1 год назад
    AI can't cross this line and we don't know why.
    Опубликовано: 1 год назад
  • He Co-Invented the Transformer. Now: Continuous Thought Machines [Llion Jones / Luke Darlow] 1 месяц назад
    He Co-Invented the Transformer. Now: Continuous Thought Machines [Llion Jones / Luke Darlow]
    Опубликовано: 1 месяц назад
  • This is why Deep Learning is really weird. 2 года назад
    This is why Deep Learning is really weird.
    Опубликовано: 2 года назад

Контактный email для правообладателей: [email protected] © 2017 - 2025

Отказ от ответственности - Disclaimer Правообладателям - DMCA Условия использования сайта - TOS



Карта сайта 1 Карта сайта 2 Карта сайта 3 Карта сайта 4 Карта сайта 5