발표 자료 Introduction to MAML (Model-Agnostic Meta-Learning) with Discussions
이 자료는 외부 논문 Finn et al., "Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks" (ICML 2017) 를 제가 정리해 발표한 리뷰입니다.
슬라이드를 불러오는 중
슬라이드를 불러오지 못했습니다.
PDF 새 탭으로 열기추천 글
-
발표 Dynamically Expandable Network (DEN)
Yoon et al.의 'Lifelong Learning with Dynamically Expandable Networks' (ICLR 2018) 논문을 정리해 KAIST ML Lab Internal Seminar에서 발표한 논문 리뷰입니다.
-
딥러닝에서 Missing Value, 다들 0으로 채우면 안 된다는데 정말일까요?
제가 ICLR 2020에 출판한 논문, "Why Not to Use Zero Imputation? Correcting Sparsity Bias in Training Neural Networks"을 소개하는 글입니다.
-
발표 Introduction to XGBoost
Chen and Guestrin의 'XGBoost: A Scalable Tree Boosting System' (KDD 2016) 논문을 정리해 KAIST CS376 Machine Learning (Fall 2018)에서 발표한 논문 리뷰입니다.
