https://mp.weixin.qq.com/s/JG4SsfTdV9p3DjxjiAb-jQ
https://www.youtube.com/channel/UCwYrwL ... z3CfUuvgkw
Speaker: Dr. Momiao Xiong @Houston, Texas
MAIB课程第10期: 数据分析的新范式
Date：10:00pm US East time, 03/18/2023
Date：10:00am Beijing time, 03/19/2023
Zoom ID：933 1613 9423
Zoom PWD：416262
本系列-北美每周六-美国东部时间晚上10点-线上课程将围绕下面的topic进行展开：
相关背景
1. Meta Language Model: 元语言模型，是一种能够学习在多种语言或风格中生成文本的语言模型，或者学习适应不同领域或任务的模型。它还可以指学习从先前的任务中学习以提高未来任务表现的模型。
2.Automatic Multi-step Reasoning: 自动多步推理，是一种机器或人工智能系统能够使用逻辑或概率方法进行多次推断或推理以得出结论的类型。
3.Hierarchically Organized Modules of Thought as a General Framework of Data Analysis: 思维模块的层次结构组织作为数据分析的一般框架，提出人类思维过程由层次结构组织的模块相互作用以产生复杂行为的理论框架。此框架已用于建模复杂的数据分析任务。
4.Embedding for Tabular Values: 表格数值嵌入，是将表格数据（如电子表格或数据库）转换为可用作机器学习模型输入的数字格式的技术。嵌入表示表格中的每个值都是一个数字向量，该向量捕捉它与表格中其他值的关系。
5.Text Summarization as Feature Selection: 将文本摘要作为特征选择，是一种通过从中提取最重要或相关信息来减少文本数据复杂性的技术。这可以通过选择对于给定任务最具信息量的特征（如单词或短语）来实现。
6.Multi-Task Text Summarization and Multi-Omics Data Integration: 多任务文本摘要和多组学数据集成，是一种涉及训练模型同时执行多个任务的机器学习方法，例如文本摘要和整合多种生物数据（如基因组学、蛋白质组学等）。
7.Diffusion Variational Autoencoder: 扩散变分自编码器，是一种使用扩散过程来建模潜在变量分布的生成模型（即捕捉数据的潜在结构的隐藏变量）。这种技术可以用于生成图像或语音等任务。
8.Diffusion GAN: 扩散生成对抗网络，是一种使用扩散过程生成图像的生成对抗网络技术。这种技术可以用于生成具有逼真细节和纹理的高质量图像。
课程中相关的潜在讨论
1. 元语言模型是一种强大的自然语言处理技术，可以用于多语言文本生成、对话系统、文本摘要等应用。与此同时，元语言模型还可以用于多任务学习和迁移学习，使得模型可以适应不同的领域和任务。
2.自动多步推理技术可以用于逻辑推理、概率推理、数据分析等领域。在自然语言处理领域中，多步推理可以用于自然语言推理、知识图谱构建等任务。同时，多步推理还可以结合元语言模型进行多模态推理，使得模型可以更好地理解和处理不同的语言、视觉、声音等信息。
3.思维模块的层次结构组织作为数据分析的一般框架可以用于多种数据分析任务，包括文本摘要、基因组学、蛋白质组学等领域。在文本摘要任务中，思维模块可以用于特征选择，选择最具信息量的特征，以便更好地理解和总结文本。在基因组学和蛋白质组学领域中，思维模块可以用于数据集成和特征选择，以便更好地理解和分析生物数据。
4.嵌入技术是一种将非结构化数据转换为结构化数据的技术，在自然语言处理、图像处理等领域中得到广泛应用。在自然语言处理领域中，嵌入可以用于词向量表示，捕捉词语之间的关系。在数据分析领域中，嵌入可以用于表格数值嵌入，捕捉表格中数值之间的关系。
5.扩散变分自编码器（Diffusion Variational Autoencoder）和扩散生成对抗网络（Diffusion GAN）是一种新兴的生成模型技术，可以用于图像、语音等任务。这些模型使用扩散过程来建模潜在变量分布，从而可以生成具有逼真细节和纹理的高质量图像。这些模型还可以与元语言模型和自动多步推理技术结合使用，以便更好地理解和处理复杂的自然语言和图像信息。
MAIB课程第10期: 数据分析的新范式
版主： verdelite， Tlexander