火星音乐网" target="_blank">| 哈尔滨新闻资讯

NYU陈溪博士:运筹学与机器学习的融合交叉

来源:SOHU  责任编辑:小易  
社会新闻 历史书应用他的本名孙文。

原标题:NYU陈溪博士:运筹学与机器学习的融合交叉

AI 科技评论按:从一个旁观者的角度看来,陈溪的履历无疑令人艳羡:从西安交通大学少年班一路至计算机系毕业,随后到卡耐基梅隆大学(CMU)商学院攻读硕士学位,一年后转到了 CMU 的机器学习系;五年博士毕业后,陈溪跟随人工智能泰斗、UC 伯克利教授 Michael I. Jordan 进行博士后研究;在这之后,他从西海岸横跨北美洲,于纽约大学任商学院助理教授。

机器学习专业出身的陈溪,美国研究生涯始于商学院的运筹学和统计学,在经历六年的机器学习研究后,如今又重回商学院。运筹学与机器学习之间,能产生怎样奇妙的化学反应?陈溪又是如何在这两门学科中寻求交叉平衡与科研创新的?AI 科技评论与陈溪博士进行了一次交流,了解了他在运筹学与机器学习之间的十年研究心得。

陈溪博士目前是纽约大学商学院助理教授,CMU 机器学习系博士,也曾跟随 Michael I. Jordan 做了为期一年多的博士后研究。同时,陈溪博士拿过 Google Faculty Research Award,Adobe Data Science Research Award, Alibaba Innovation Award,在 2017 年还获得了福布斯杂志全美 30 under 30 最有影响力的青年科学家提名。陈溪博士的主要研究领域为:机器学习、高维统计和运筹学。

图灵奖唯一华人得主姚期智院士曾如是强调学科交叉的重要性:「多学科交叉融合是信息技术发展的关键:当不同的学科、理论相互交叉结合,同时一种新技术达到成熟的时候,往往就会出现理论上的突破和技术上的创新。」

尤其在今天大数据的环境下,学科的交叉与融合愈发明显。作为一位在运筹学与机器学习领域都有过长期涉猎和学习的老师,陈溪博士对于这一观点具有极强的发言权。

陈溪的硕士第一年是在商学院度过的,现在看来,说是无心插柳也不为过。即使在进入机器学习系之后,陈溪博士仍然与运筹系的老师有着密切的合作;而在商学院任教后,他也能够迅速地融入商学院的文化。此外,这一年的学习也给陈溪博士带来了更多意想不到的收获。「我在 CMU 运筹系的第一年学习了非常多优化方面的知识,而这些算法后来成为了研究机器学习中非常重要的工具,用于进一步解决机器学习的问题。」

因为具备了不同学科的丰富背景,陈溪博士可以将很多机器学习中比较前沿的技术引入到商学院中,并用机器学习、大数据等新技术解决商学院的传统问题。

机器学习发展至今,研究者所解决或攻克的问题相对比较集中,即围绕视觉(检测、识别、分割)、语音(识别、合成)、自然语言处理(翻译、文本分析)等领域展开,而且有很多国内的创业公司也在研究上述问题。

但在陈溪博士看来,一些企业级服务,甚至可以说是商学院中的一些服务,如供应链、动态定价与推荐,在机器学习研究者中关注得还比较少。目前整个行业还缺乏同时具备这两个领域知识的人,即有机器学习的背景,又能了解商学院的核心问题,把机器学习的方法和技术引入商学院的传统领域中,并解决相应问题。

斯坦福前任商学院的院长 Garth Saloner 在 2016 年曾说过,「如果你是一个斯坦福 MBA 的学生,请赶快去工程学院,尽可能地学习 AI、深度学习和自动化的知识。就是现在。」在这些学生进入公司管理层后,他们需要更多地理解大数据知识和相应算法,才能对企业决策产生正面的影响。在陈溪博士看来,五年以前,整个商学院几乎没有计算机科学家的存在,MBA 的学生也缺乏相关的知识与背景。但近年来,一些美国高校开始招募一些机器学习人才进入商学院,用合适的术语和技术包装,用适于商学院学生理解的方式传递给他们。

在课程中,陈溪博士会融入一些机器学习的新案例,让商学院的同学们了解更多技术层面的知识。虽然在他看来,同学们虽然对计算机知识相对陌生,也缺乏相关的训练,但在当下背景下,意识到计算机学科重要性的学生们也拥有极强的求知欲。

在职业生涯的规划中,陈溪博士非常感谢他在博士后期间的导师 UC 伯克利教授 Michael I. Jordan。「和 Jordan 教授做研究,能充分地感受到他真的是一位大师。」首先,Jordan 教授给予了学生极大的研究自由度。在每周的交流中,Jordan 教授极少规定学生手上要做的项目,而是通过沟通热点及问题,启发学生主动思考;此外,Jordan 教授对于学生的职业发展寄予高度的关注和帮助,会花大量的时间帮助每一个博士后准备自己的 job talk,并且提供了诸如团队建设、项目基金申请等宝贵的经验。整个团队的氛围也非常融洽,每个人都具有充分的合作精神。在一年多的博士后经历中,陈溪博士不仅在众包分配研究中取得了相关进展,也懂得了为师之道,并且身体力行地应用到自己的教学过程中。在这个过程中,陈溪博士也明确了自己未来的研究方向。

陈溪博士目前的一个研究核心是从理论和实践两个角度,针对基于大规模在线数据的学习与决策展开研究。

在理论层面,陈溪博士主要研究的高维数据在统计推断与计算方面的内容,并把统计推断和随机优化做了有机的结合。

目前传统统计学中的数据基本上是静态的,而且是事先给定的,但这与实际的应用场景相去甚远。与传统统计学家相比不同的是,陈溪博士的研究更关心各种场景下海量高维数据的处理。「如果我们已经拥有一个用户很多的历史购买数据,那么它的 profile 已经是非常高维的;此外大量的数据在实际场景下都是动态产生的。」

这一场景会面临两个问题。一个是,如何在这种动态大规模高维数据场景下做统计推断;另一个是,当数据达到一定量级,在分布式场景下,如何在机器间的交互代价(communication cost)与推断效率中进行平衡,并考虑现实计算的各种规范(constraint)。

与机器学习科学家相比不同的是,机器学习更关心高维数据的估计和预测,而从陈溪博士的研究角度来看,他更关心的是推断(inference),即规划结果的「uncertainty」程度。

在实践层面,陈溪博士更多地考虑到了动态定价、动态推荐及众包分配方面的应用问题。「比如每个用户发起一个检索(search),那么数据会上传到服务器中,因为每天都会有无数的人在做检索操作,那么这便成为了一个大规模的用户数据,如何通过这些数据更好的服务于用户,比如进行精准的推荐。」

而杉数科技的成立,也正是机器学习与运筹学结合应用的一个产物。见证杉数科技成长的陈溪博士,从公司成立以来一直与几位创始人保持密切联系,一同探讨如何用机器学习服务国内更多的物流公司、电商公司。一方面,陈溪博士希望企业能将大家的知识转化成生产力;另一方面,企业产生的数据也会促进很多新的研究问题。

从一个学者的角度出发,陈溪博士仍对学术研究抱有一颗沉静之心。学术界有不少教授投身产业界,在更大的技术舞台上发挥才智,但整个大环境还是需要另一些老师静下心来理解算法的本质,才能创造出更多新的有价值的模型与方法。「比如神经网络调参,我们大家都知道,其实它需要大量的经验,有人说它就像一门艺术,而不是一门科学。那么如果我们能真正去理解它,可能以后我们不需要花这么多的时间去调参,而是可以用理论指导算法的设计,甚至对一些传统问题提出全新的想法。」相信在未来,我们能在运筹学与机器学习的交叉融合上,更多地看到全新的成果。

由杉数科技举办的第二届杉数科技 AI 大师圆桌会将于 7 月 26 日在上海举行。详情请点击文末阅读原文报名:

AI 科技评论报道返回学路,查看更多

责任编辑:

  • 本文相关:
  • 抓时间补弱科不熬夜抓效率
  • 如何利用假期提高中考作文水平?(图)
  • 2016高考生必看:每月高考大事备忘录
  • 备考2016高考:只有1%的高三学生知道这样做
  • 新高三开学了,艺术生该如何开始各科复习?
  • 作为一个过来人写给高三党的建议
  • 高三生的学习和生活应该是这样的!
  • 166中学高考文科状元张子秋:高三生要努力、自信
  • 高考微问答81期:新高三生怎么开始复习?
  • 高三考生培养十大学习习惯 可上名校
  • 新高三复习计划 助你快速提分
  • 2016年高考复习时的六点注意事项
  • 2016年高考改革下各科目备考攻略
  • 新高三必读 成绩提升应循序渐进
  • 高三新学期刚开始 学生别急着打疲劳战
  • 本站网站首页首页教育资格全部考试考试首页首页考试首页职业资格考试最近更新儿童教育综合综合文库22文库2建筑专业资料考试首页范文大全公务员考试首页英语首页首页教案模拟考考试pclist学路首页日记语文古诗赏析教育教育资讯1高考资讯教育头条幼教育儿知识库教育职场育儿留学教育高考公务员考研考试教育资讯1问答教育索引资讯综合学习网站地图学习考试学习方法首页14托福知道备考心经冲刺宝典机经真题名师点睛托福课程雅思GREGMATSAT留学首页首页作文
    免责声明 - 关于我们 - 联系我们 - 广告联系 - 友情链接 - 帮助中心 - 频道导航
    Copyright © 2018 www.xue63.com All Rights Reserved
    蓝月亮新闻 上城新闻 浣溪沙资讯 好商铺资讯 鸿运树资讯 福州在线 神之搜新闻资讯 柚子茶资讯 哈尔滨新闻资讯 社会新闻 凰羽资讯 龙堂国际新闻 御东郡资讯网 灵溪新闻 北京世纪花台资讯 卡资特新闻资讯 五月天资讯网 工薪族在线 狼牙山新闻 漳州新闻资讯 果子酱资讯 樱花资讯网 时代冰瞳娱乐新闻 龙城资讯 马鞍山文明网 手机音乐网 火星音乐网 海君商贸网 世佳音乐网