Wow, Machine Learning tiene a muchas personas haciendo cosas interesantes muy diversas tanto en la industria como en la academia. Trabajando desde mi mismo hacia afuera:
- Nuestro laboratorio Microsoft Research New York City obviamente funciona que me interesa desde los sistemas (Página de inicio – Servicio de decisiones) hasta la teoría hardcore ([1602.02722] MDP contextuales para el aprendizaje de refuerzo de PAC con observaciones enriquecidas).
- Otros laboratorios de MSR hacen cosas interesantes como resolver el reconocimiento de imágenes [1512.03385] Aprendizaje residual profundo para el reconocimiento de imágenes o la paralelización sobre GPU Descenso de gradiente estocástico de 1 bit y aplicación a la formación de datos distribuidos paralelos de datos DNN.
- Google tiene al menos dos laboratorios que han realizado una investigación interesante: Deepmind en Londres trabajando para resolver el control a nivel humano de Atari a través del aprendizaje de refuerzo profundo y vaya a http://www.nature.com/nature/jou…. Otro en Silicon Valley se ha centrado en representaciones avanzadas, por ejemplo aquí: [1412.7449] La gramática como lengua extranjera.
- El laboratorio de Facebook NYC tiene personas que trabajan en la interoperación de la memoria y aprenden a leer libros infantiles con representaciones explícitas de memoria.
- El AMPLab – UC Berkeley está haciendo una investigación interesante sobre aprendizaje automático / datos / sistemas.
- Hay muchos profesores individuales en las universidades que realizan trabajos interesantes. Las mejores universidades para la investigación de ML probablemente sigan siendo Berkeley / Carnegie Mellon / Stanford, pero los buenos profesores que realizan un trabajo interesante se encuentran en docenas de universidades. Cualquiera que esté considerando estudiar un posgrado realmente debería estar investigando quién sería su asesor al menos tanto como qué universidad. Esto es mucho más fácil hoy en día, ya que los perfiles de publicación son más accesibles.
- Del mismo modo, hay muchos otros laboratorios de la industria con personas que realizan trabajos interesantes.
Eche un vistazo a la ciudad de Nueva York ICML este verano para tener una idea de dónde están las direcciones actuales de investigación. Hice publicaciones de blog como esta, Machine Learning (Teoría) que analizan los documentos actuales que me interesaron.
- ¿Se pueden usar datos generados por simulación por computadora para algoritmos de aprendizaje automático?
- ¿Cuál es el orden para aprender a usar los campos aleatorios de Markov para el procesamiento de imágenes?
- ¿Qué caminos puede tomar un ingeniero mecánico para comenzar a trabajar con robótica, aprendizaje automático e inteligencia artificial?
- Cómo saber cuándo usar el aprendizaje automático y cuándo no
- ¿Es posible que, en el futuro, los países sean manejados por una súper computadora que calcule el mejor resultado de una decisión política?