Buchumschlag

Machine Learning: a Lecture Note

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Cho, Kyunghyun
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Brief Introduction to Causal Inference in Machine Learning
von: Cho, Kyunghyun
Veröffentlicht: (2024)

Meta-Statistical Learning: Supervised Learning of Statistical Estimators
von: Peyrard, Maxime, et al.
Veröffentlicht: (2025)

Active and Passive Causal Inference Learning
von: Im, Daniel Jiwoong, et al.
Veröffentlicht: (2023)

Hyperparameters in Continual Learning: A Reality Check
von: Cha, Sungmin, et al.
Veröffentlicht: (2024)

Why Alignment Must Precede Distillation: A Minimal Working Explanation
von: Cha, Sungmin, et al.
Veröffentlicht: (2025)

Why Knowledge Distillation Works in Generative Models: A Minimal Working Explanation
von: Cha, Sungmin, et al.
Veröffentlicht: (2025)

Regularizing with Pseudo-Negatives for Continual Self-Supervised Learning
von: Cha, Sungmin, et al.
Veröffentlicht: (2023)

Non-convolutional Graph Neural Networks
von: Wang, Yuanqing, et al.
Veröffentlicht: (2024)

Forget Forgetting: Continual Learning in a World of Abundant Memory
von: Cho, Dongkyu, et al.
Veröffentlicht: (2025)

On the Relationship Between the Choice of Representation and In-Context Learning
von: Marinescu, Ioana, et al.
Veröffentlicht: (2025)

None To Optima in Few Shots: Bayesian Optimization with MDP Priors
von: Li, Diantong, et al.
Veröffentlicht: (2025)

Lecture Notes on High Dimensional Linear Regression
von: Quaini, Alberto
Veröffentlicht: (2024)

Training Dynamics of Learning 3D-Rotational Equivariance
von: Shen, Max W., et al.
Veröffentlicht: (2025)

Semiparametric conformal prediction
von: Park, Ji Won, et al.
Veröffentlicht: (2024)

Lecture Notes on Verifying Graph Neural Networks
von: Schwarzentruber, François
Veröffentlicht: (2025)

Efficient semantic uncertainty quantification in language models via diversity-steered sampling
von: Park, Ji Won, et al.
Veröffentlicht: (2025)

Hyperparameter Loss Surfaces Are Simple Near their Optima
von: Lourie, Nicholas, et al.
Veröffentlicht: (2025)

Show Your Work with Confidence: Confidence Bands for Tuning Curves
von: Lourie, Nicholas, et al.
Veröffentlicht: (2023)

Mathematics of Neural Networks (Lecture Notes Graduate Course)
von: Smets, Bart M. N.
Veröffentlicht: (2024)

A Tutorial on Regression Analysis: From Linear Models to Deep Learning -- Lecture Notes on Artificial Intelligence
von: Wang, Jingyuan, et al.
Veröffentlicht: (2025)

Lecture Notes on Linear Neural Networks: A Tale of Optimization and Generalization in Deep Learning
von: Cohen, Nadav, et al.
Veröffentlicht: (2024)

Implicitly Guided Design with PropEn: Match your Data to Follow the Gradient
von: Tagasovska, Nataša, et al.
Veröffentlicht: (2024)

Generalizing to any diverse distribution: uniformity, gentle finetuning and rebalancing
von: Loukas, Andreas, et al.
Veröffentlicht: (2024)

Scaling Laws Are Unreliable for Downstream Tasks: A Reality Check
von: Lourie, Nicholas, et al.
Veröffentlicht: (2025)

Training Greedy Policy for Proposal Batch Selection in Expensive Multi-Objective Combinatorial Optimization
von: Lee, Deokjae, et al.
Veröffentlicht: (2024)

Notes on Kernel Methods in Machine Learning
von: Pérez-Rosero, Diego Armando, et al.
Veröffentlicht: (2025)

Lecture notes on Machine Learning applications for global fits
von: Alda, Jorge
Veröffentlicht: (2026)

Deep Autoregressive Models as Causal Inference Engines
von: Im, Daniel Jiwoong, et al.
Veröffentlicht: (2024)

Latent State Models of Training Dynamics
von: Hu, Michael Y., et al.
Veröffentlicht: (2023)

TASI Lectures on Physics for Machine Learning
von: Halverson, Jim
Veröffentlicht: (2024)

Reference-Specific Unlearning Metrics Can Hide the Truth: A Reality Check
von: Cho, Sungjun, et al.
Veröffentlicht: (2025)

Jointly Modeling Inter- & Intra-Modality Dependencies for Multi-modal Learning
von: Madaan, Divyam, et al.
Veröffentlicht: (2024)

Large-Scale Targeted Cause Discovery via Learning from Simulated Data
von: Kim, Jang-Hyun, et al.
Veröffentlicht: (2024)

Temporal Generalization: A Reality Check
von: Madaan, Divyam, et al.
Veröffentlicht: (2025)

Characterizing the Predictive Impact of Modalities with Supervised Latent-Variable Modeling
von: Madaan, Divyam, et al.
Veröffentlicht: (2026)

Language Models as Causal Effect Generators
von: Bynum, Lucius E. J., et al.
Veröffentlicht: (2024)

Lecture Notes on Statistical Physics and Neural Networks
von: Hohm, Olaf
Veröffentlicht: (2026)

A Lecture Note on Offline RL and IRL, Part II: Foundations of Inverse Reinforcement Learning and Dynamic Discrete Choice Models
von: Kang, Enoch Hyunwook
Veröffentlicht: (2026)

BOtied: Multi-objective Bayesian optimization with tied multivariate ranks
von: Park, Ji Won, et al.
Veröffentlicht: (2023)

Learning from Reward-Free Offline Data: A Case for Planning with Latent Dynamics Models
von: Sobal, Vlad, et al.
Veröffentlicht: (2025)