Gradient Dissent: Conversations on AI

120 Epizód

1. Joaquin Candela — Definitions of Fairness

   Közzétéve: 2020. 10. 01.
2. Richard Socher — The Challenges of Making ML Work in the Real World

   Közzétéve: 2020. 09. 29.
3. Zack Chase Lipton — The Medical Machine Learning Landscape

   Közzétéve: 2020. 09. 17.
4. Anthony Goldbloom — How to Win Kaggle Competitions

   Közzétéve: 2020. 09. 09.
5. Suzana Ilić — Cultivating Machine Learning Communities

   Közzétéve: 2020. 09. 02.
6. Jeremy Howard — The Story of fast.ai and Why Python Is Not the Future of ML

   Közzétéve: 2020. 08. 25.
7. Anantha Kancherla — Building Level 5 Autonomous Vehicles

   Közzétéve: 2020. 08. 12.
8. Bharath Ramsundar — Deep Learning for Molecules and Medicine Discovery

   Közzétéve: 2020. 08. 05.
9. Chip Huyen — ML Research and Production Pipelines

   Közzétéve: 2020. 07. 29.
10. Peter Skomoroch — Product Management for AI

    Közzétéve: 2020. 07. 22.
11. Josh Tobin — Productionizing ML Models

    Közzétéve: 2020. 07. 08.
12. Miles Brundage — Societal Impacts of Artificial Intelligence

    Közzétéve: 2020. 07. 01.
13. Hamel Husain — Building Machine Learning Tools

    Közzétéve: 2020. 06. 24.
14. Peter Welinder — Deep Reinforcement Learning and Robotics

    Közzétéve: 2020. 06. 17.
15. Vicki Boykis — Machine Learning Across Industries

    Közzétéve: 2020. 06. 04.
16. Angela & Danielle — Designing ML Models for Millions of Consumer Robots

    Közzétéve: 2020. 05. 06.
17. Jack Clark — Building Trustworthy AI Systems

    Közzétéve: 2020. 04. 22.
18. Rachael Tatman — Conversational AI and Linguistics

    Közzétéve: 2020. 04. 07.
19. Nicolas Koumchatzky — Machine Learning in Production for Self-Driving Cars

    Közzétéve: 2020. 03. 21.
20. Brandon Rohrer — Machine Learning in Production for Robots

    Közzétéve: 2020. 03. 11.