Вы нашли меня на Medium! Я использую их великолепную поисковую оптимизацию, чтобы собрать подписчиков в нескольких модальностях.

Что я делаю:

  1. Обучение роботов Исследования в Калифорнийском университете в Беркли (докторская степень ожидается осенью 2021 г.).
  2. Пишите в Интернете высокоинформативный контент об искусственном интеллекте, робототехнике и моих интересах (см. ниже).
  3. Задрот о тренировках, долголетии и о том, что значит быть живым.

Поддержите меня финансово по этой ссылке: https://natolambert.medium.com/membership

Где вы меня найдете:

  1. Написание высокого сигнала: мой подстек по ИИ, робототехнике и автоматизации https://robotic.substack.com/
  2. Твиттер для графа знаний @natolambert.
  3. Medium — это место, где заканчиваются некоторые из моих идей из первых двух. Это работает, но материал будет немного задерживаться.

Некоторые из моих популярных статей:

  1. Четкие графики Python, основанные на теории визуализации — введение в создание ваших графиков, рассказывающих более полную историю.
  2. Как решают проблемы лучшие студенты CS — размышления о том, как лучшие студенты, которых я научил ИИ думать.
  3. Три введения в обучение с подкреплением (RL) — 3 навыка, которые нужно освоить, как начать обучение (код и математика) и суть глубоких алгоритмов RL.
  4. Серия по основам обучения с подкреплением (1, 2, 3, 4).

Мои сообщения всегда открыты в Твиттере или в комментариях ниже!

Другие статьи:

ИИ-стартапы и компании:



Стартапы с искусственным интеллектом — это стартапы, работающие с данными
При этом оседлать волну глубокого обучения с уникальным набором данных может быть чрезвычайно выгодно.towardsdatascience.com





Deepmind: доказательство существования RL в масштабе
Мозг — это доказательство существования общего интеллекта — Deepmind от Google — это доказательство того, что мы делаем успехи в…на пути к науке о данных .com



Карьера:



Инженер по машинному обучению и инженер-программист
В чем разница между этими двумя ролями и тем, как они думают?towardsdatascience.com



Конференции:



Размышления о NeurIPs 2019
Куда движется машинное обучение?towardsdatascience.com



Учебники:



Оптимизация дизайна с помощью Axe в Python
Люди ужасно не умеют совместно оптимизировать нелинейные многомерные функции. Это факт.towardsdatascience.com





Обучить нейронную сеть на Python для прогнозирования динамики роботов
Понять, как работать с реальными данными робототехники.towardsdatascience.com



Тематические исследования глубокого RL:



Пример глубокого обучения: планирование на основе моделей
Модельное обучение обеспечивает структуру и интерпретируемость в области обучения с подкреплением.towardsdatascience.com





Пример глубокого RL: хаотические градиенты
Почему некоторые алгоритмы RL имеют заведомо ненадежные градиенты и что мы можем с этим сделать в RL на основе моделей.towards datascience. ком



Разное:

  1. Автоматизация кода с помощью машинного интеллекта,
  2. Основы исследований в области обучения с подкреплением,
  3. Компромисс между смещением и дисперсией — основы машинного обучения,
  4. Системы рекомендаций: ценностное выравнивание, обучение с подкреплением и этика,
  5. ИИ и арбитраж истины.