吳恩達新動作：建立全新機器學習資源Hub，「以數據為中心的AI」大本營
從「以模型為中心」到「以數據為中心」
行早 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
今天早上，吳恩達教授發(fā)推給大家推薦了一個新的資源站：Data-centric AI（DCAI）。
很高興給大家介紹我們建立的一個新資源站Data-centric AI，這里有許多專家的文章和NeurIPS DCAI研討會的交流談話，來看看吧~
這個DCAI是什么來頭？
它代表了最近AI從“以模型為中心”到“以數據為中心”的轉變。
在過去幾十年間，大多數的AI研究都集中在“code”上面，也就是提升模型或者算法。
不過目前在很多應用上，“code”已經基本上能夠解決問題了，花時間改善一下數據往往會更有用。
然而現(xiàn)在構建、使用數據集這部分工作通常還是人工來做，費時費力，成本高昂，缺少高效的數據工具。
DCAI的出現(xiàn)就是為了解決這個問題。
這個新的資源站匯總了在數據這塊最新的進展和最好的實踐，目前共包含兩大塊內容：交流話題和NeurIPS研討會資源。
其中交流話題現(xiàn)在共有3個：Labeling and Crowdsourcing（眾包數據標注）、Data Augmentation（數據增強）、Data in Deployment（數據部署）。
分別由斯坦福計算機科學副教授Michael Bernstein、加州理工教授Anima Anandkumar和Google Brain研究負責人D. Sculley主導討論。
在每個話題下面都會有教授進行介紹、舉例、提出解決方法。
例如在數據增強這個話題下，Anima教授就從數據增強要解決的問題開始，給出解決方法，并介紹最新的研究成果：
在訓練數據中僅使用邊框標簽來訓練模型進行實例分割：
并在最后給出相關的資源以供參考。
DCAI包含的第二部分內容就是NeurIPS研討會資源。
這里有各路大神在去年NeurIPS研討會上的發(fā)言和談話。
每個視頻還都配有同步的PPT：
除了這兩部分資源之外，你還可以成為DCAI社區(qū)的貢獻者，在這里分享DCAI的研究項目、工具或者提議等內容：
自吳教授推文發(fā)布后，很快就收到了網友的熱情回應。大伙紛紛希望加入社區(qū)，還有人表示會很快分享自己的成果：
如果有同學對“以數據為中心”的AI內容感興趣，就趕快用起來吧~
DCAI地址：
https://datacentricai.org/
參考鏈接：
https://twitter.com/AndrewYNg/status/1494063769105821698
- 1億組圖文對，填補中文開源多模態(tài)數據集空白！還附帶基礎模型，來自華為諾亞方舟實驗室2022-02-16
- ICLR 2022：AI如何識別“沒見過的東西”？2022-02-15
- 如何安全地吃掉懸崖邊上的蘋果？DeepMind&OpenAI給出3D版安全強化學習答案2022-02-13
- 看完微軟大神寫的求平均值代碼，我意識到自己還是too young了2022-02-13
相關閱讀
谷歌將AutoML應用到Transformer架構，實現(xiàn)機器翻譯最佳性能
和以往其他Transformer不同，ET能夠根據特定任務進行定制，在機器翻譯領域得到了最先進的結果，并且對語言建模任務也進行了改進。
