转载自 | 专知

元学习可以让机器学习新的算法。这是一个新兴且快速发展的机器学习研究领域，对所有人工智能研究都有影响。最近的成功案例包括自动模型发现、少枪学习、多任务学习、元强化学习，以及教机器阅读、学习和推理。正如人类不会从头开始学习新任务，而是利用之前所学的知识一样，元学习是高效和稳健学习的关键。本教程将介绍该领域及其应用的重要数学基础，包括这个领域中当前技术水平的关键方法，该领域对众多AAAI参与者来说越来越重要。

https://sites.google.com/mit.edu/aaai2021metalearningtutorial

报告嘉宾：

内容目录：

• 元学习导论

• 多任务学习

• 元学习

• 自动机器学习

• 应用

  
  

  
  

下载1：四件套
在机器学习算法与自然语言处理公众号后台回复“四件套”，
即可获取学习TensorFlow，Pytorch，机器学习，深度学习四件套！

下载2：仓库地址共享
在机器学习算法与自然语言处理公众号后台回复“代码”，
即可获取195篇NAACL+295篇ACL2019有代码开源的论文。开源地址如下：https://github.com/yizhen20133868/NLP-Conferences-Code

重磅！机器学习算法与自然语言处理交流群已正式成立！
群内有大量资源，欢迎大家进群学习！

额外赠送福利资源！深度学习与神经网络，pytorch官方中文教程，利用Python进行数据分析，机器学习学习笔记，pandas官方文档中文版，effective java（中文版）等20项福利资源
获取方式：进入群后点开群公告即可领取下载链接
注意：请大家添加时修改备注为 [学校/公司 + 姓名 + 方向]
例如 —— 哈工大+张三+对话系统。
号主，微商请自觉绕道。谢谢！

推荐阅读：
Tensorflow 的 NCE-Loss 的实现和 word2vec
多模态深度学习综述：网络结构设计和模态融合方法汇总
awesome-adversarial-machine-learning资源列表