点击上方“智能与算法之路”，选择“星标”公众号
资源干货，第一时间送达
一、资源介绍
今天给大家推荐的是一份卡内基梅隆大学的Russ Salakhutdinov教授在机器学习研讨会（13th Annual Machine Learning）上完成一场题为"Integrating domain-knowledge into deep learning"的学术报告，在演讲中他详细介绍了各种类型的“知识（knowledge）”在阅读理解、问答、图像生成等领域，RNN、GCN等算法中的相关应用方式。

作者简介:
Russ 是卡内基梅隆大学计算机科学教授，在统计机器学习领域工作，研究兴趣包括深度学习、概率图形模型和大规模优化等。
Russ教授个人主页：
https://www.cs.cmu.edu/~rsalakhu/
二、主要内容
这次专题讨论会是纽约科学院机器学习讨论小组的第十三次专题讨论会，将有应用和理论机器学习等领域科学家的主题演讲，以及一系列关于机器学习前沿的各种主题的研究人员的专题介绍。
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径。

而深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术
三、资源分享
同时为了方便大家，我们把最新的资料打包好了，可以直接下载！
获取方式：
1. 关注我们的公众号“智能与算法之路”
2. 后台回复“深度学习融合知识” 即可以获取资料哈~（建议复制，避免错字）
推荐阅读

机器学习基础知识大全

学习计算机算法必备资料推荐

你心里是没点B树吗？

欢迎关注我们，收获资源干货！
继续阅读
阅读原文