博士生David Abel详细整理了一份87页的ICML大会笔记
源于对学术的热爱，让很多人走上了博士这条求索之路，而热爱会让他们勤奋付出，勤奋让他们成为佼佼者。
在刚刚过去的 icml 大会上，来自布朗大学计算机科学的博士生 david abel 详细整理了一份 87 页的 icml 大会笔记，包括 tutorials, main conference, workshops, 的会议内容和论文干货，并进行公开分享，随后学术界的朋友们开始转发收藏。
tutorials 会议上主要介绍了 pac-bayes 理论和元学习的内容。
此外，还介绍了深度强化学习，强化学习理论，多任务和终身学习和强化学习理论，强化学习和深度学习理论。
workshops 部分包括用 ai 应对气候变化，强化学习用于真实生活场景以及真实世界的顺序决策三大部分。
david abel 的每一篇论文笔记基本上不超过两页，是一分mini版本的论文概要，对论文的每一部分都做了简要总结。以 icml 2019 主会上的一篇最佳论文《 challenging assumptions in learning disentangled representations》为例，他先提出了是否能以无监督方法学习解耦表示的关键问题，随后定义问题，提炼了几点实验发现，最后给出了作者结论中的关键要点。
完整笔记下载链接看这里：
https://david-abel.github.io/notes/icml_2019.pdf
很多博士生可能觉得论文眼花缭乱看都不看不过来，更不要说整理出一份详细的笔记。而对很多还没有机会参加 icml 这样顶级大会的人来说，显然，david abel 的笔记成了他们的福音，有人说快要完全依赖他的笔记过活了。
事实上，优秀的人的优秀不是间隙性的，而是一种持续性的习惯。
除了 icml 2019 的会议笔记外，这位小哥还曾在参加今年 2 月和 5 月举办的 aaai 大会和 iclr 顶会后做了详细的笔记，并进行公开分享。
iclr 2019 大会笔记：
https://david-abel.github.io/notes/iclr_2019.pdf
aaai 2019 大会笔记：
https://david-abel.github.io/notes/aaai_2019.pdf
当然，从 2017 年起参加的 7 次顶会后，他都做了相关笔记。
根据 david abel 在自己主页的介绍，他在布朗大学专注于强化学习，师从主要从事强化学习 michael littman 教授，后者也从事机器学习、博弈论、计算机网络、马尔可夫决策过程等领域的研究工作，并 2018 年由于其“为人工智能的顺序决策算法的设计和分析做出的贡献”而被选为 acm fellow。
当然，作为一个如此认真的博士生，david abel 也有一定的学术能力和研究成果。
在 ai 研究方面，他的研究调查了机器学习的基础及其在科学和社会挑战中的应用。
目前，他专注于理解抽象及其在 agency 中的作用，研究理性智能体如何模仿它们所处的世界，重点关注那些有效学习和规划的代表性实践。他通常使用强化学习范例，借鉴计算学习理论、概率和信息理论的工具。
他也非常关心 ml 对世界相关问题的负责任的应用，如计算可持续性的使命。
在主页里，david abel 列出了他与其导师 michael littman 等人在各顶会上发布的数篇学术成果。
在ijcai 2019上，发表了一篇《the expected-length modelof options》的论文，他们引入并激励选项的期望长度模型，这是一个用于表征选项的过渡和奖励功能的更简单的选择。
而在 aaai 2019 上，发表了一篇《状态抽象作为学徒学习中的压缩》（state abstraction as compression in apprenticeship learning）。他们通过速率 - 失真理论（rate-distortion theory）研究了状态抽象（state abstractions），以在压缩和最优性之间进行权衡。
同样在 icml 2019，发表了《通过探索最小化覆盖时间来发现选项》（discovering options for exploration by minimizing cover time），他们提出了一种基于最小化覆盖时间探索的选项发现方法。
在 preprint 2018 上，发表了《在基于模型的强化学习中减轻计划器的过度拟合》（mitigating planner overfitting in model-based reinforcement learning），他们探索了不同的方法来避免基于模型的 rl 中规划过度拟合。
发论文之余，david abel 还有不错的的教学经历。
2017 年夏天，他在布朗大学的 stem ii 夏季课程中教授“人工智能与社会”课程，该课程探讨了人工智能的核心思想，以及人工智能和自动化会对社会产生的影响。
此外，他自己还制作了一份简单的 python 教程。
david abel 主页地址：
https://david-abel.github.io/
福特F-150 10AT变速箱深度解析
汽车的蓄电池柱头松动的巧妙处理方法
锁定鲁尔圆锥接头多功能测试仪
粤港澳大湾区最大新型储能电站投运
今日看点丨华为重磅官宣：车BU独立运营，长安入股不超过40%；阿里达摩院确认撤裁量子实验室
博士生David Abel详细整理了一份87页的ICML大会笔记
GPT-4多模态模型发布，对ChatGPT的升级和断崖式领先
管廊巡检机器人的大作用：灭隐患于萌芽
芯片制造应关注功率半导体
bga返修台哪个牌子好_十大bga返修台品牌排行榜
谁是台积电接班人？魏哲家刘德音 各擅胜场
韩国机器人企业动作频繁 意图进军中国市场
泰景信息科技移动电视接收芯片应用于摩比麦斯移动科技的 CDM
linux CPU是这样动态调频
基于MSP430单片机的智能充电照明控制系统设计
改进电源故障保护电路
电动汽车DC/DC转换器的分类和工作原理简析
无人机和漫游者的组合：混合动力无人机设计
Tick-Tock战略或已完蛋，未来的10nm处理器上，英特尔正在考虑放弃核显GPU
新能源汽车正逐渐获得市场的接受，国产品牌争奇斗艳
在刚刚过去的 icml 大会上，来自布朗大学计算机科学的博士生 david abel 详细整理了一份 87 页的 icml 大会笔记，包括 tutorials, main conference, workshops, 的会议内容和论文干货，并进行公开分享，随后学术界的朋友们开始转发收藏。
tutorials 会议上主要介绍了 pac-bayes 理论和元学习的内容。
此外，还介绍了深度强化学习，强化学习理论，多任务和终身学习和强化学习理论，强化学习和深度学习理论。
workshops 部分包括用 ai 应对气候变化，强化学习用于真实生活场景以及真实世界的顺序决策三大部分。
david abel 的每一篇论文笔记基本上不超过两页，是一分mini版本的论文概要，对论文的每一部分都做了简要总结。以 icml 2019 主会上的一篇最佳论文《 challenging assumptions in learning disentangled representations》为例，他先提出了是否能以无监督方法学习解耦表示的关键问题，随后定义问题，提炼了几点实验发现，最后给出了作者结论中的关键要点。
完整笔记下载链接看这里：
https://david-abel.github.io/notes/icml_2019.pdf
很多博士生可能觉得论文眼花缭乱看都不看不过来，更不要说整理出一份详细的笔记。而对很多还没有机会参加 icml 这样顶级大会的人来说，显然，david abel 的笔记成了他们的福音，有人说快要完全依赖他的笔记过活了。
事实上，优秀的人的优秀不是间隙性的，而是一种持续性的习惯。
除了 icml 2019 的会议笔记外，这位小哥还曾在参加今年 2 月和 5 月举办的 aaai 大会和 iclr 顶会后做了详细的笔记，并进行公开分享。
iclr 2019 大会笔记：
https://david-abel.github.io/notes/iclr_2019.pdf
aaai 2019 大会笔记：
https://david-abel.github.io/notes/aaai_2019.pdf
当然，从 2017 年起参加的 7 次顶会后，他都做了相关笔记。
根据 david abel 在自己主页的介绍，他在布朗大学专注于强化学习，师从主要从事强化学习 michael littman 教授，后者也从事机器学习、博弈论、计算机网络、马尔可夫决策过程等领域的研究工作，并 2018 年由于其“为人工智能的顺序决策算法的设计和分析做出的贡献”而被选为 acm fellow。
当然，作为一个如此认真的博士生，david abel 也有一定的学术能力和研究成果。
在 ai 研究方面，他的研究调查了机器学习的基础及其在科学和社会挑战中的应用。
目前，他专注于理解抽象及其在 agency 中的作用，研究理性智能体如何模仿它们所处的世界，重点关注那些有效学习和规划的代表性实践。他通常使用强化学习范例，借鉴计算学习理论、概率和信息理论的工具。
他也非常关心 ml 对世界相关问题的负责任的应用，如计算可持续性的使命。
在主页里，david abel 列出了他与其导师 michael littman 等人在各顶会上发布的数篇学术成果。
在ijcai 2019上，发表了一篇《the expected-length modelof options》的论文，他们引入并激励选项的期望长度模型，这是一个用于表征选项的过渡和奖励功能的更简单的选择。
而在 aaai 2019 上，发表了一篇《状态抽象作为学徒学习中的压缩》（state abstraction as compression in apprenticeship learning）。他们通过速率 - 失真理论（rate-distortion theory）研究了状态抽象（state abstractions），以在压缩和最优性之间进行权衡。
同样在 icml 2019，发表了《通过探索最小化覆盖时间来发现选项》（discovering options for exploration by minimizing cover time），他们提出了一种基于最小化覆盖时间探索的选项发现方法。
在 preprint 2018 上，发表了《在基于模型的强化学习中减轻计划器的过度拟合》（mitigating planner overfitting in model-based reinforcement learning），他们探索了不同的方法来避免基于模型的 rl 中规划过度拟合。
发论文之余，david abel 还有不错的的教学经历。
2017 年夏天，他在布朗大学的 stem ii 夏季课程中教授“人工智能与社会”课程，该课程探讨了人工智能的核心思想，以及人工智能和自动化会对社会产生的影响。
此外，他自己还制作了一份简单的 python 教程。
david abel 主页地址：
https://david-abel.github.io/
福特F-150 10AT变速箱深度解析
汽车的蓄电池柱头松动的巧妙处理方法
锁定鲁尔圆锥接头多功能测试仪
粤港澳大湾区最大新型储能电站投运
今日看点丨华为重磅官宣：车BU独立运营，长安入股不超过40%；阿里达摩院确认撤裁量子实验室
博士生David Abel详细整理了一份87页的ICML大会笔记
GPT-4多模态模型发布，对ChatGPT的升级和断崖式领先
管廊巡检机器人的大作用：灭隐患于萌芽
芯片制造应关注功率半导体
bga返修台哪个牌子好_十大bga返修台品牌排行榜
谁是台积电接班人？魏哲家刘德音 各擅胜场
韩国机器人企业动作频繁 意图进军中国市场
泰景信息科技移动电视接收芯片应用于摩比麦斯移动科技的 CDM
linux CPU是这样动态调频
基于MSP430单片机的智能充电照明控制系统设计
改进电源故障保护电路
电动汽车DC/DC转换器的分类和工作原理简析
无人机和漫游者的组合：混合动力无人机设计
Tick-Tock战略或已完蛋，未来的10nm处理器上，英特尔正在考虑放弃核显GPU
新能源汽车正逐渐获得市场的接受，国产品牌争奇斗艳