The 2012 Machine Learning Summer School at UC Santa Cruz
2012 年加州大学圣克鲁斯分校机器学习暑期学校
基本信息
- 批准号:1239963
- 负责人:
- 金额:$ 3万
- 依托单位:
- 依托单位国家:美国
- 项目类别:Standard Grant
- 财政年份:2012
- 资助国家:美国
- 起止时间:2012-07-01 至 2013-06-30
- 项目状态:已结题
- 来源:
- 关键词:
项目摘要
The Machine Learning Summer Schools (http://mlss.cc) were established in 2002 with the aim of bringing together world class speakers from academia, the national labs, and industry to deliver tutorial-style lectures over a two week period. This project supports the two week long Machine Learning Summer School (MLSS) at UC Santa Cruz, CA during July 9-20 2012. Intellectual Merits: Machine learning has many important applications in science and industry. Modern machine learning uses a mix of insights from different disciplines, most notably artificial intelligence, statistics and optimization - areas that traditionally have not had much overlap. The participants will take part in tutorials given by experts from several different areas of machine learning - an opportunity that many students do not have at their home institutions. There is substantial integration of research and education in this activity. Furthermore, the participants will be able to interact with the tutorial speakers and with other students. Broader Impact: The Machine Learning Summer School is designed to enable participants with different backgrounds to gain in-depth knowledge of the current state of the art in machine learning. The participants will interact with leading machine learning experts from academia and industry. It contributes to the creation of a diverse cadre of machine learning researchers and practitioners by offering unique training opportunities for undergraduate and graduate students from under-represented groups through personalized mentoring and scholarships.
机器学习暑期学校 (http://mlss.cc) 成立于 2002 年,旨在汇集来自学术界、国家实验室和工业界的世界级演讲者,在两周内提供辅导式讲座。该项目支持 2012 年 7 月 9 日至 20 日在加利福尼亚州圣克鲁斯加州大学举办的为期两周的机器学习暑期学校 (MLSS)。 智力优点:机器学习在科学和工业领域有许多重要的应用。现代机器学习结合了来自不同学科的见解,尤其是人工智能、统计和优化——传统上没有太多重叠的领域。参与者将参加由机器学习多个不同领域的专家提供的教程——这是许多学生在其所在机构所没有的机会。这项活动将研究和教育充分结合起来。此外,参与者将能够与教程演讲者和其他学生互动。更广泛的影响:机器学习暑期学校旨在使不同背景的参与者能够深入了解机器学习的最新技术。参与者将与来自学术界和工业界的领先机器学习专家互动。它通过个性化的指导和奖学金,为代表性不足群体的本科生和研究生提供独特的培训机会,有助于培养多元化的机器学习研究人员和从业人员队伍。
项目成果
期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
数据更新时间:{{ journalArticles.updateTime }}
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ patent.updateTime }}
Manfred Warmuth其他文献
Minimax Fixed-Design Linear Regression
极小极大固定设计线性回归
- DOI:
- 发表时间:
2015 - 期刊:
- 影响因子:0
- 作者:
Peter Bartlett;Wouter Koolen;Alan Malek;Eiji Takimoto;Manfred Warmuth - 通讯作者:
Manfred Warmuth
Manfred Warmuth的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
{{ truncateString('Manfred Warmuth', 18)}}的其他基金
BIGDATA: Collaborative Research: F: Nomadic Algorithms for Machine Learning in the Cloud
BIGDATA:协作研究:F:云中机器学习的游牧算法
- 批准号:
1546459 - 财政年份:2016
- 资助金额:
$ 3万 - 项目类别:
Standard Grant
RI: Small: Collaborative Research: On-Line Learning Algorithms for Path Experts with Non-Additive Losses
RI:小型:协作研究:具有非加性损失的路径专家的在线学习算法
- 批准号:
1619271 - 财政年份:2016
- 资助金额:
$ 3万 - 项目类别:
Standard Grant
III: Small: Collaborative Research: Probabilistic Models using Generalized Exponential Families
III:小:协作研究:使用广义指数族的概率模型
- 批准号:
1118028 - 财政年份:2011
- 资助金额:
$ 3万 - 项目类别:
Standard Grant
RI: Small: Kernelization with Outer Product Instances
RI:小:使用外部产品实例进行内核化
- 批准号:
0917397 - 财政年份:2009
- 资助金额:
$ 3万 - 项目类别:
Standard Grant
ITR: Representation and Learning in Computational Game Theory
ITR:计算博弈论中的表示和学习
- 批准号:
0325363 - 财政年份:2003
- 资助金额:
$ 3万 - 项目类别:
Continuing Grant
Deriving and Analyzing Learning Algorithms
推导和分析学习算法
- 批准号:
9821087 - 财政年份:1999
- 资助金额:
$ 3万 - 项目类别:
Continuing Grant
Amortized Analysis for On-Line Learning Algorithms
在线学习算法的摊销分析
- 批准号:
9700201 - 财政年份:1997
- 资助金额:
$ 3万 - 项目类别:
Continuing Grant
相似国自然基金
基于可解释机器学习的科学知识角色转变预测研究
- 批准号:72304108
- 批准年份:2023
- 资助金额:30 万元
- 项目类别:青年科学基金项目
精神分裂症阴性症状经颅磁刺激治疗效应遗传影像学机器学习预测模型研究
- 批准号:82371510
- 批准年份:2023
- 资助金额:49 万元
- 项目类别:面上项目
基于机器学习的蚀变矿物勘查方法与应用研究:以西藏岗讲矿床为例
- 批准号:42363009
- 批准年份:2023
- 资助金额:32 万元
- 项目类别:地区科学基金项目
机器学习驱动的复杂量子系统鲁棒最优控制
- 批准号:62373342
- 批准年份:2023
- 资助金额:50 万元
- 项目类别:面上项目
基于机器学习方法的土壤多孔介质中EPFRs环境行为与生态毒性研究
- 批准号:42377385
- 批准年份:2023
- 资助金额:49 万元
- 项目类别:面上项目
相似海外基金
CAREER: Blessing of Nonconvexity in Machine Learning - Landscape Analysis and Efficient Algorithms
职业:机器学习中非凸性的祝福 - 景观分析和高效算法
- 批准号:
2337776 - 财政年份:2024
- 资助金额:
$ 3万 - 项目类别:
Continuing Grant
RII Track-4:NSF: Physics-Informed Machine Learning with Organ-on-a-Chip Data for an In-Depth Understanding of Disease Progression and Drug Delivery Dynamics
RII Track-4:NSF:利用器官芯片数据进行物理信息机器学习,深入了解疾病进展和药物输送动力学
- 批准号:
2327473 - 财政年份:2024
- 资助金额:
$ 3万 - 项目类别:
Standard Grant
CC* Campus Compute: UTEP Cyberinfrastructure for Scientific and Machine Learning Applications
CC* 校园计算:用于科学和机器学习应用的 UTEP 网络基础设施
- 批准号:
2346717 - 财政年份:2024
- 资助金额:
$ 3万 - 项目类别:
Standard Grant
Learning to create Intelligent Solutions with Machine Learning and Computer Vision: A Pathway to AI Careers for Diverse High School Students
学习利用机器学习和计算机视觉创建智能解决方案:多元化高中生的人工智能职业之路
- 批准号:
2342574 - 财政年份:2024
- 资助金额:
$ 3万 - 项目类别:
Standard Grant
Collaborative Research: Conference: DESC: Type III: Eco Edge - Advancing Sustainable Machine Learning at the Edge
协作研究:会议:DESC:类型 III:生态边缘 - 推进边缘的可持续机器学习
- 批准号:
2342498 - 财政年份:2024
- 资助金额:
$ 3万 - 项目类别:
Standard Grant