会员服务
加州大学伯克利分校（University of California, Berkeley），是美国最负盛名且是最顶尖的一所公立研究型大学，位于旧金山东湾伯克利市的山丘上。创建于1868年，是加州大学十个分校中历史最悠久的一所。加州大学伯克利分校在世界范围内拥有崇高的学术声誉，拥有丰富的教学资源，研究水平非常坚厚，与斯坦福大学、麻省理工学院等一同被誉为美国工程科技界的学术领袖。

精品内容

【伯克利博士论文】学习跨领域的可迁移表示
【伯克利博士论文】学习跨领域的可迁移表示
专知会员服务
13+阅读 · 8月17日
301页pdf伯克利博士论文《可扩展机器人学习》，系统全面阐述机器人技术
301页pdf伯克利博士论文《可扩展机器人学习》，系统全面阐述机器人技术
专知会员服务
18+阅读 · 8月16日
【伯克利博士论文】高效、可扩展的视觉识别神经体系结构，109页pdf
【伯克利博士论文】高效、可扩展的视觉识别神经体系结构，109页pdf
专知会员服务
17+阅读 · 8月15日
ICML2022开会了！如炼何大模型？伯克利最新《大模型训练和服务的技术和系统》教程，176页ppt阐述大模型关键技术，附视频
ICML2022开会了！如炼何大模型？伯克利最新《大模型训练和服务的技术和系统》教程，176页ppt阐述大模型关键技术，附视频
专知会员服务
36+阅读 · 7月18日
【伯克利Guanhua Wang】分布式机器学习系统的颠覆性研究，附210页Slides与博士论文
【伯克利Guanhua Wang】分布式机器学习系统的颠覆性研究，附210页Slides与博士论文
专知会员服务
31+阅读 · 7月6日
云计算的未来是什么？伯克利发布《云天计算(Sky Computing)》白皮书，35页pdf
云计算的未来是什么？伯克利发布《云天计算(Sky Computing)》白皮书，35页pdf
专知会员服务
26+阅读 · 5月20日
ACL 2022论文奖项公布，伯克利摘得最佳论文，陈丹琦、杨笛一等华人团队获杰出论文
ACL 2022论文奖项公布，伯克利摘得最佳论文，陈丹琦、杨笛一等华人团队获杰出论文
专知会员服务
16+阅读 · 5月17日
【伯克利Guanhua Wang博士论文】分布式机器学习系统的颠覆性研究
【伯克利Guanhua Wang博士论文】分布式机器学习系统的颠覆性研究
专知会员服务
29+阅读 · 5月17日
到底什么是有用的ML可解释性？伯克利郁彬高徒Singh68页博士论文《现实世界的机器学习中有用的可解释性》全面综述可解释性技术
到底什么是有用的ML可解释性？伯克利郁彬高徒Singh68页博士论文《现实世界的机器学习中有用的可解释性》全面综述可解释性技术
专知会员服务
89+阅读 · 5月16日
【伯克利Lydia Liu博士论文】机器学习与决策的社会动力学
【伯克利Lydia Liu博士论文】机器学习与决策的社会动力学
专知会员服务
14+阅读 · 5月10日
【伯克利Kourosh博士论文】用于设计优化与控制的预训练智能体
【伯克利Kourosh博士论文】用于设计优化与控制的预训练智能体
专知会员服务
13+阅读 · 5月7日
最新发表《美国DARPA可解释AI计划回顾（2017-2021年）》中文版，DARPA、美国海军研究实验室、QS-2联合发表12页PDF
最新发表《美国DARPA可解释AI计划回顾（2017-2021年）》中文版，DARPA、美国海军研究实验室、QS-2联合发表12页PDF
专知会员服务
116+阅读 · 4月2日
Berkeley博士论文《反馈系统中的可信机器学习》203页pdf
Berkeley博士论文《反馈系统中的可信机器学习》203页pdf
专知会员服务
27+阅读 · 3月25日
【伯克利Roshan Rao博士论文】训练，评估和理解蛋白质序列的进化模型，Training, Evaluating, and Understanding Evolutionary Models for Protein Sequences
【伯克利Roshan Rao博士论文】训练，评估和理解蛋白质序列的进化模型，Training, Evaluating, and Understanding Evolutionary Models for Protein Sequences
专知会员服务
12+阅读 · 3月6日
【伯克利JD Co-Reyes博士论文】建立强化学习算法泛化:从潜在动力学模型到元学习，Building Reinforcement Learning Algorithms that Generalize: From Latent Dynamics Models to Meta-Learning
【伯克利JD Co-Reyes博士论文】建立强化学习算法泛化:从潜在动力学模型到元学习，Building Reinforcement Learning Algorithms that Generalize: From Latent Dynamics Models to Meta-Learning
专知会员服务
35+阅读 · 3月6日
参考链接
父主题
加州大学 (University of California)
微信扫码咨询专知VIP会员
Top