机器学习和人工智能正极大地改变着企业的运营方式和人们的生活方式。TWIML AI 播客将机器学习和人工智能领域的顶尖思想和理念带给了一个广泛的、有影响力的社区，这个社区包括机器学习/人工智能研究人员、数据科学家、工程师以及技术娴熟的商业和 IT 领导者。主持人 Sam Charrington 是一位备受追捧的行业分析师、演讲者、评论员和思想领袖。涵盖的技术包括机器学习、人工智能、深度学习、自然语言处理、神经网络、分析学、计算机科
这是一个由萨姆·查林顿 Sam Charrington 主持的技术播客。萨姆·查林顿汇集了人工智能研究人员、数据科学家、工程师以及精通技术的业务和 IT 领导者的顶尖思想和想法。
Sam 在提出正确的问题方面表现出色，不可否认，他比大多数播客更好地完全理解和掌握人工智能概念。他从不羞于为那些不被认可的小人物提供发言和分享知识的机会。他出演的一些较受欢迎的嘉宾包括开复、格雷格·布罗克曼、约书亚·本吉奥和加里·马库斯。
通过稀疏性实现深度学习性能的100倍提升，与Subutai Ahmad - #562
通过等周性理解鲁棒性的普适法则，与Sebastien Bubeck - #551
用AI生成算法加速智能，与Jeff Clune - #602
神经压缩的进展，与Auke Wiggers - #570
使用NetHack推进深度强化学习，与Tim Rocktäschel - #527
推进动手学习机器学习教育，与Sebastian Raschka - #565
AI访问和包容性作为技术挑战，与Prem Natarajan - #658
AI代理和数据集成：GPT与LLaMa，与Jerry Liu - #628
用于企业决策的大规模AI，与Rob Walker - #573
用于人道主义行动的AI，与Justin Spelhaug - TWiML Talk #226
AI在电力和能源领域的应用，与Laurent Boinot - #683
摩根大通的AI研究，与Manuela Veloso - #371
AI的感知、代理和灾难风险，与Yoshua Bengio - #654
大型语言模型擅长因果推理吗？，与Robert Osazuwa Ness - #638
大型语言模型被高估还是低估？，与Marti Hearst - #626
向量数据库是AI未来的数据平台吗？，与Ed Anuff - #664
在Shopify评估数据质量，与Wendy Foster - #592
评估开放AI模型的风险，与Sayash Kapoor - #675
使用对抗性机器学习攻击恶意软件，与Edward Raff - #529
Hugging Face的大规模科学与嵌入式学习，与Thomas Wolf - #564
金融领域的BloombergGPT大型语言模型，与David Rosenberg - #639
脑启发的硬件和算法协同设计，与Melika Payvand - #585
在NLP领域建立深度技术创业公司，与Nasrin Mostafazadeh - #539
构建和部署真实世界的RAG应用程序，与Ram Sriharsha - #669
LEGO的机器学习基础构建块，与Francesc Joan Riera - #533
使用Kubernetes和Kubeflow构建基础机器学习平台，与Ali Rodell - #595
使用Azure OpenAI构建LLM应用程序，与Jay Emery - #657
构建盲人AI代理的地图和空间意识，与Dhruv Batra - #629
构建公共利益技术，与Meredith Broussard - #552
在Stack Overflow建立技术社区，与Prashanth Chandrasekar - #526
公平性的因果观念及其后果，与Sharad Goel - #586
Chronos：学习时间序列的语言，与Abdul Fatir Ansari - #685
强迫大型语言模型做和揭示（几乎）任何事，与Jonas Geiping - #678
使用深度强化学习控制聚变反应堆不稳定性，与Aza Jalalvand - #682
在ADP创建数据驱动文化，与Jack Berkowitz - #543
大胆尝试DAIR分布式AI研究，与Timnit Gebru - #568
用于计算机视觉的数据增强和优化架构，与Fatih Porikli - #635
机器学习中的数据负债，与D. Sculley - #574
数据科学的数据治理，与Adam Wood - #578
道德AI的数据权利、量化和治理，与Margaret Mitchell - #572
用于视觉理解的数据、系统和机器学习，与Cody Coleman - #660
精准农业的面向数据的零样本学习，与Dimitris Zermas - #615
深度学习在5G中的应用，与Joseph Soriaga - #525
深度学习、变压器和规模的后果，与Oriol Vinyals - #546
深度强化学习的统计悬崖边缘，与Rishabh Agarwal - #559
在高度监管环境中交付AI系统，与Miriam Friedel - #653
部署边缘和嵌入式AI系统，与Heather Gorr - #655
用机器学习设计新型能源材料，与Rafael Gomez-Bombarelli - #558
用于海洋学的可微编程，与Patrick Heimbach - #557
ChatGPT在“思考”吗？一种认知神经科学视角，与Anna Ivanova - #620
AI和AWS的娱乐化，与Mike Miller - #661
为AI模型提供能效星级评级，与Sasha Luccioni - #687
构建ML驱动的开发者优先搜索引擎，与Richard Socher - #582
在T-Mobile工程化生产级NLP系统，与Heather Nolis - #600
确保LLM在生产应用中的安全性，与Shreya Rajpal - #647
压缩感知中的等变先验，与Arash Behboodi - #584
生物学和医学中的可解释AI，与Su-In Lee - #642
探索大型语言模型与ChatGPT - #603
探索FastAI工具生态系统，与Hamel Husain - #532
Facebook放弃面部识别。其他人是否也应该跟随？，与Luke Stark - #534
-
数据驱动AI的特征平台，与Mike Del Balso - #577
企业NLP的四个关键工具，与Yunyao Li - #537
全栈AI系统开发，与Murali Akula - #563
在CVPR 2024上分享高通AI研究的Gen AI at the Edge，与Fatih Porikli - #688
边缘生成AI，与Vinesh Sukumar - #623
AWS的地理空间机器学习，与Kumar Chellapilla - #607
GraphRAG：AI应用的知识图谱，与Kirk Marple - #681
分层和持续的强化学习，与Doina Precup - #567
在Redfin应用机器学习，与Akshat Kaul - #530
大型语言模型和生成AI如何变革科学，与Anima Anandkumar - #614
超图、单纯复合体和复杂系统的图表示，与Tina Eliassi-Rad - #547
通过神经网络分区进行超参数优化，与Christos Louizos - #627
无强化学习的逆强化学习，与Gokul Swamy - #643
ChatGPT变得更差了吗？，与James Zou - #645
Jupyter和ML工具的演变，与Brian Granger - #544
孩子们运行最有趣的实验：儿童中的因果学习，与Alison Gopnik - #548
用状态空间模型进行语言建模，与Dan Fu - #630
语言理解和大型语言模型，与Christopher Manning - #686
学习在深度神经网络中的记忆思考，与Andrea Banino - #528
学习变压器程序，与Dan Friedman - #667
Live from TWIMLcon! 大型MLOps辩论：端到端ML平台 vs 专用工具 - #597
Live from TWIMLcon! 你不是Facebook。为B2B用例架构MLOps，与Jacopo Tagliabue - #596
在LLM中本地化和编辑知识，与Peter Hase - #679
GSK的机器学习，与Kim Branson - #536
用于地震地震学的机器学习，与Karianne Bergen - #554
管理数据标注操作的成功，与Audrey Smith - #583
高级ChatGPT提示的心理模型，与Riley Goodside - #652
大型语言建模的专家混合和趋势，与Irwan Bello - #569
用生成代理建模人类行为，与Joon Sung Park - #632
用循环神经网络和课程学习建模人类认知，与Kanaka Rajan - #524
人机协作模型，与Julie Shah - #538
Mojo：为AI设计的超级Python，与Chris Lattner - #634
更多语言，较少标注，与Kate Saenko - #580
多设备、多用例优化，与Jeff Gehlhaar - #587
复杂文档理解的多模态深度学习，与Doug Burdick - #541
用于黑色素瘤检测的多任务学习，与Julianna Ianni - #531
大型语言模型的多模态和价值差距，与Sara Hooker - #651
Hugging Face的多模态、多语言NLP，与John Bohannon和Douwe Kiela - #589
Nightshade：用数据投毒对抗生成AI，与Ben Zhao - #668
OLMo：训练开源大型语言模型所需的一切，与Akshita Bhagia - #674
走向机器人视觉，与Aljosa Osep - #581
Hugging Face的开源生成AI，与Jeff Boudier - #624
使用DeepChem进行开源药物发现，与Bharath Ramsundar - #566
光流估计、全景分割和视觉变压器，与Fatih Porikli - #579
优化、机器学习和智能实验，与Michael McCourt - #545
LLM应用的模式和中间件，与Kyle Roche - #659
图像生成AI的个性化，与Nataniel Ruiz - #648
用世界上最大的计算机芯片为AI提供动力，与Joel Hestness - #684
使用深度学习和可靠性工程进行预测性维护，与Shayan Mortazavi - #540
以原则为中心的AI，与Adrien Gaidon - #575
Stable Diffusion和LLM的隐私与安全，与Nicholas Carlini - #618
计算机视觉中的隐私与公平性，与Alice Xiang - #637
用于自主商用航空的程序标注和数据扩展，与Cedric Cocaud - #601
质疑AI炒作，与Alex Hanna - #649
通过帮助注意头无所事事量化变压器，与Markus Nagel - #663
Capital One的实时机器学习工作流，与Disha Singla - #606
用DocLLM推理复杂文档，与Armineh Nourbakhsh - #672
Spotify的个性化强化学习，与Tony Jebara - #609
reInvent Roundup 2021，与Bratin Saha - #542
生成时代的负责任AI，与Michael Kearns - #662
机器人灵巧度和协作，与Monroe Kennedy III - #619
Runway Gen-2：视频创作的生成AI，与Anastasis Germanidis - #622
扩展BERT和GPT用于金融服务，与Jennifer Glore - #561
扩展多模态生成AI，与Luke Zettlemoyer - #650
服务卡片和机器学习治理，与Michael Kearns - #610
Sim2Real和Optimus人形机器人，与Ken Goldberg - #599
用机器学习解决鸡尾酒会问题，与Jonathan Le Roux - #555
Stable Diffusion与生成AI，与Emad Mostaque - #604
边缘的Stable Diffusion和LLM，与Jilei Hou - #633
研究机器智能，与Been Kim - #571
用机器学习支持非洲的粮食安全，与Catherine Nakalembe - #611
机器人学的合成数据生成，与Bill Vass - #588
用强化学习教大型语言模型推理，与Alex Havrilla - #680
进化人工智能的瓶颈优势，与David Ha - #535
企业LLM的格局，与Atul Deo - #640
NLP领域的演变，与Oren Etzioni - #598
地面真相的谬误，与Shayan Mohanty - #576
改进迁移学习，与Hugo Larochelle - #631
LLM中的训练数据局部性和链式思维，与Ben Prystawski - #673
Capital One在表格数据上的变压器，与Bayan Bruss - #591
大规模图上的变压器，与Bayan Bruss - #641
计算机视觉趋势，与Georgia Gkioxari - #549
深度强化学习趋势，与Kamyar Azizzadenesheli - #560
机器学习与深度学习的趋势，与Zachary Lipton - #556
自然语言处理的趋势，与John Bohannon - #550
理解AI对社会差异的影响，与Vinodkumar Prabhakaran - #617
用机器学习理解集体昆虫交流，与Orit Peleg - #590
统一视觉和语言模型，与Mohit Bansal - #636
V-JEPA：非生成架构的AI推理，与Mido Assran - #677
视频作为AI推理的通用接口，与Sherry Yang - #676
视觉生成AI生态系统挑战，与Richard Zhang - #656
弱监督因果表示学习，与Johann Brehmer - #605
LLM推理的下一步是什么，与Roland Memisevic - #646
为什么深度网络和大脑学习相似的特征，与Sophia Sanborn - #644
ChatGPT会抢走我的工作吗？- #608
AI趋势2023：因果关系与大型语言模型的影响，与Robert Osazuwa Ness - #616
AI趋势2023：自然语言处理 - ChatGPT、GPT-4与前沿研究，与Sameer Singh - #613
AI趋势2023：强化学习 - RLHF、机器人预训练与离线强化学习，与Sergey Levine - #612
AI趋势2024：计算机视觉，与Naila Murray - #665
AI趋势2024：机器学习与深度学习，与Thomas Dietterich - #666
AI趋势2024：大型语言模型时代的强化学习，与Kamyar Azizzadenesheli - #670
AI驱动的对等编程，与Vasi Philomin - #594
PayPal的应用AI/ML研究，与Vidyut Naware - #593
大型语言模型中的新兴行为是一种幻觉吗？，与Sanmi Koyejo - #671
大型语言模型是通用人工智能的途径吗？，与Ben Goertzel - #625
本资料可以在【AIGC部落】下载，扫描下方二维码即可加入【AIGC部落】：
