今天这期节目，UCSD 的博士学生秦瑶和我们介绍了计算机视觉方向的研究问题。秦瑶主要在图像分割 (Image Segmentation) 和显著性检测 (Saliency Detection) 方向开展她的研究。

这一期节目中，我们主要聊了语义分析和显著性检测这两类计算机视觉的研究问题。我们了解了这些问题是如何定义的，介绍了常用的解决方法，并讨论了如何给这类学习任务收集和标注训练数据。我们还特别提到了语义分析技术在医疗图像处理上的应用。

节目的最后，我们还听到了一个在学术会议上意外找到研究实习的故事。

直觉上来讲，我们会觉得一个机器学习模型的准确率要很高才有用。如果有一个模型声称它能保证对于数据的任何分布，它都能保证达到 51% 的正确率，我会觉得它弱爆了，并不会想用它来解决问题（除非我在考试，题目是选择题，并且只有两个选项）。

我们今天的节目就和这类听起来很“弱”的模型有关。在机器学习中，它们被称为”弱学习器“。机器学习理论中曾有这样的问题，如果我们有办法不断的产生不同的”弱学习器“，并可以”聪明地“把它们拼接起来，有没有可能可以让预测的准确率一路上升，甚至无限接近 100% 呢？Boosting 算法就是在这个背景下产生的。我们在这一期节目中聊了什么是强学习和弱学习器、AdaBoost 算法的策略和 Boosting 的思想在现实世界和机器学习问题中的应用。

计算机领域有一类困扰了科学家很久的问题，叫做NP困难问题。NP困难问题在生活中很常见，例如物流、城市规划等等都可以找到NP困难问题的原型。但这类问题至今都没有有效的、多项式时间内的解。计算机理论领域的研究者从搜索、构造等角度给出过很多种近似解法。人工智能在这类问题中会有怎样的应用呢？机器学习算法如何从多个小问题中找规律来近似这一大类问题呢？AlphaGo背后的强化学习算法又是怎么和这个问题联系起来的呢？我们以NP困难中的最小点覆盖问题为例，介绍机器学习算法在NP困难的组合优化问题上的应用。

本期嘉宾：翟真

网易公开课等网络课程，降低了越来越多人获得新知识的门槛；相较于传统的作业本和试卷，在线的作业、考试也使整个教学过程更高效便捷。更重要的是，这些线上的教育平台提供了一种系统地获得、整理、分析学生在学习过程中每一步的相关数据。例如，哪一段教学视频是学生重复看了很多次才看懂的，做作业时学生在做出了哪些错误的尝试之后得出了正确答案…… 通过分析这些数据，老师可以更有针对性地利用课堂时间；在学生做作业时，在线作业系统可以给出更有针对性的提示，来帮助学生更快地完成作业。那么我们要如何获得这些数据？有哪些软件可以帮助我们搭建这样的平台来实现我们具体的教学需求？在收集和使用教育领域的数据的过程中又有哪些特殊的要求呢？

在过去的几年中，深度神经网络给很多机器学习任务带来了很大的突破。从图像识别到机器翻译，在深度学习的帮助下，很多任务已经实现了超过人类平均水平的精度。然而精度的提升背后的代价是数以百万计的参数，和长达几天甚至几周的显卡上的运算需求。大量的功耗和庞大的模型，限制了深度学习模型在手表手机等小型电子设备上的应用。那么我们该如何在不损失太多精度的同时，给深度网络做减法，让深度学习可以更好的应用在嵌入式系统中呢？本期节目我们从硬件的角度讨论深度学习的优化。

现实生活中的绝大部分数据都是没有标签的。在收集整理了数据后，如果人工对每一条数据一一标注，时间成本和经济成本都会非常高。在本期节目中，张驰丞介绍了这个问题的一种解决方法：主动学习，由算法主动索要某一些数据标签的机器学习方法。我们将深入讨论不同的方法是如何判断哪些样本格外“困难”，需要手工标注。

本期提到的资源：

德塔赛的第一期节目从数据科学的第一步──收集数据开始。数据科学依赖于大量数据，当现有的基准数据集不能满足实验要求的时候，我们如何利用人人都可以获得的互联网上的数据来建立我们自己的数据集？主播阿拉法特和主播舒晏分别介绍了有关社交网络上的文字数据收集和大规模图像数据收集的故事。

本期提到的资源：