Jul, 2014

OpenML：机器学习中的网络科学

PDF
TL;DR介绍了 OpenML，这是一个用于分享和组织详细数据以更有效地工作、更可见和与他人合作解决更困难问题的机器学习研究者的场所，探讨了 OpenML 与其他网络科学实例的关系以及对机器学习研究、科学家和学生从业者带来的好处。
openmlmachine learningonline toolsdata sharingnetworked science
发现论文，激发创造
  • OpenML: 一个连接机器学习平台 OpenML 的 R 包

    本文介绍了一个 R 包与 Online 机器学习平台 OpenML 的接口，并展示了在结合使用机器学习 R 软件 mlr 时的使用。OpenML 平台可帮助 R 用户轻松搜索、下载和上传数据集和机器学习任务，自动化大部分繁琐的工作，促进协作，加速研究，增加用户的在线可见性。

    Jan, 2017

  • OpenML-Python: 一个可扩展的 Python API 用于 OpenML

    OpenML-Python 是一个开发用于机器学习的 Python 平台，允许用户在 OpenML 上分享、访问和重现机器学习的数据集、任务和实验，并提供了整合其他 Python 机器学习库的插件机制。

    Nov, 2019

  • 在线结构化元学习

    提出了一种在线结构化元学习（OSML）框架，该框架通过元分层图形式显式解开元学习器，通过不同的知识块构建元知识路径，从而使模型能够快速适应新任务并吸收新知识。通过在三个数据集上的实验，证明了该框架在同质性和异质性任务上的有效性和可解释性。

    Oct, 2020

  • MLExchange：一个基于 Web 的平台，为科学研究提供可交换的机器学习工作流程

    MLExchange 项目旨在通过构建协作平台来帮助不具备深度机器学习背景的科学家和实验用户使用机器学习和计算资源，旨在为科学领域中不同领域和机构的科学社区解决大规模和多样化的数据问题。

    Aug, 2022

  • 网络机器学习：工作流程、进展和机会

    本文介绍了机器学习技术在网络领域的应用及其工作流程，并针对不同的网络设计目标分析了其具体实现和优势，旨在为研究人员提供广泛的研究方向及指南。

    Sep, 2017

  • 利用元机器学习在商业网络中实现跨组织分析

    该篇论文提出了一种元机器学习方法，以应对业务网络中的数据共享问题，这一方法能够维护数据机密性，限制数据传输量，并展示出优于传统分析和接近理想共享情况的性能，因此可以有效地挖掘分散在网络中的数据潜力。

    Mar, 2023

  • 机器学习在科学发现中的机遇

    科学界利用机器学习技术进行科学探索的能力正在初生阶段，然而，机器学习的原理应用正在为基础科学发现开辟新的途径，尤其在处理观测数据的复杂性方面。

    May, 2024

  • 面向跨学科学者的机器学习民主化：关于组织 NLP+CSS 在线教程系列的报告

    为了民主化机器学习方法，本文概述了一年长的在线自然语言处理（NLP）课程，旨在向计算社会科学（CSS）学者教授高级 NLP 方法，以及经过时间变化进行语言分析。

    Nov, 2022

  • NSML：遇见具有真实世界案例的 MLaaS 平台

    我们提出了 NSML，一种机器学习即服务（MLaaS）平台，以满足在企业规模下开发机器学习工作的需求，为用户提供了易于使用的集群以及协作环境，同时提供可视化工具以协助用户分析其工作。通过实验证明了 NSML 的有用性和可访问性，并通过三个具有真实使用案例的竞赛检验了 NSML 的协作优势。

    Oct, 2018

  • NSML：一种机器学习平台，使您专注于您的模型

    我们提出了一个名为 NAVER Smart Machine Learning (NSML) 的系统，用于处理机器学习任务中的 GPU 分配、可视化学习状态、处理模型参数快照、超参数修改以及性能指标比较等任务，通过实验确认其能够提升模型开发效率。

    Dec, 2017