报名 | AI Time：“ 论道自动机器学习与可解释机器学习”

深度学习在各个领域取得了骄人的成绩，基本是舍我其谁了。之前还存在如何调参、如何选架构的问题，最近随着自动机器学习（AutoML）的快速发展，Neural architecture search（NAS）似乎都可以做到自动选择深度学习架构，Hyperparameter优化可以帮助做到自动超参数的选择， 机器学习变得越来越傻瓜，容易上手，原来的伪“end-to-end”好像真的要转正了。坏处是原来的BlackBox变得越来越大，因此近年，更多研究者呼吁我们需要可解释机器学习（Explainable ML）。

“No Free Lunch”，工业界有时候显然希望ML变成工具，越简单越好，只要效果好就行。但更多的时候，我们需要的是“知其然，也知其所以然”，甚至有些研究人员都开始怀念决策树等解释性非常强的模型。尽在AI Time：让我们就来论道：我们是要强大的“黑盒子”还是要“可理解”的机器学习吧。