教程和特邀演讲

另请参阅我们的YouTube频道！

2024

在不列颠哥伦比亚大学的演讲
使用表格基础模型 TabPFN 在小数据上实现高精度预测

作者：Frank Hutter [幻灯片]

在 edaforum 的演讲，“更快、更大、更可持续？”

作者：Marius Lindauer，[幻灯片]

在 KONKIS（德国人工智能服务中心首届会议）的演讲

作者：Marius Lindauer [幻灯片]

受邀演讲，WiMLDS Paris X AutoML 会议：AutoML 简史

作者：Katharina Eggensperger [网站][幻灯片]

受邀演讲，第六届年度科学机器学习会议：科学领域的自动化机器学习

作者：Katharina Eggensperger [网站]

受邀演讲，雷根斯堡数据科学女性组织：AutoML：简化机器学习

作者：Katharina Eggensperger [网站] [幻灯片]

在 COSEAL24 的演讲：迈向多目标绿色 AutoML

作者：Marius Lindauer

• 幻灯片

ECAI’24 教程：超越试错：自动化强化学习教程

作者：Theresa Eimer 和 André Biedenkapp

• 网站

在亚琛工业大学（AIM 组）的受邀演讲：从完全自动化到以人为中心的方法

作者：Marius Lindauer

• 幻灯片

在不来梅大学（计算机科学/BIPS）的受邀演讲，主题是“AutoML：从完全自动化到以人为中心的方法”

作者：Marius Lindauer

• 幻灯片

2023

AutoML 秋季学校 2023 的演讲

作者：Carolin Benjamins、Alexander Tornede 和 Marius Lindauer

• 大语言模型时代的 AutoML
• 动手实践：使用 Hydra 进行实验配置
• 动手实践：使用 SMAC 进行实际超参数优化

在 MLOps 2023 的演讲：使用 AutoML 优化超参数

作者：Marius Lindauer 和 Katharina Eggensperger

• 幻灯片

在安达卢西亚数据科学与计算智能研究所 (DaSCI) 的受邀演讲：深度学习 2.0：迈向构建人工智能的人工智能

作者：Frank Hutter

• 幻灯片

在巴西智能系统会议 (BRACIS) 的主题演讲：深度学习 2.0：迈向构建人工智能的人工智能

作者：Frank Hutter

• 幻灯片

在慕尼黑大学 (LMU) 举办的“人工智能双重专题：神经符号人工智能/人工智能与可持续性”活动中，受邀演讲“从预测到可持续性：重新思考 AutoML 的优先级”

作者：Marius Lindauer

• 幻灯片

在数据科学与组合优化欧洲博士学校 (DSO) 的系列讲座

作者：Alexander Tornede 和 Marius Lindauer

• 第一节：算法选择
• 第二节：算法配置
• 第三节：SMAC 动手实践
  • 幻灯片
  • Colab 笔记本

汉诺威莱布尼茨大学负责任人工智能暑期学校的讲座

作者：Marius Lindauer

• 幻灯片

KDD 2023 最佳论文奖颁奖：AutoML 十年：回顾与展望

作者：Frank Hutter

• 该奖项授予 Chris Thornton、Frank Hutter、Holger Hoos 和 Kevin Leyton-Brown 在 KDD 2013 上发表的论文“Auto-WEKA：分类算法的组合选择和超参数优化”
• 幻灯片

欧洲人工智能暑期学校 (ESSAI) 的系列讲座：AutoML：加速人工智能应用的研究与开发

作者：Katharina Eggensperger 和 Marius Lindauer

• 第一天：AutoML 概论
• 第二天：用于超参数优化的贝叶斯优化
  • SMAC Colab 笔记本
• 第三天：神经架构搜索
• 第四天：以人为中心的 AutoML
• 第五天：AutoML 系统和展望

CVPR 2023 NAS 研讨会主题演讲：扩展黑盒 NAS 的通用主力

作者：Frank Hutter

• 幻灯片

在nextgen_AI 弗莱堡研讨会上的动手实践：使用 Auto-sklearn 进行自动化机器学习

作者：Katharina Eggensperger 和 Eddie Bergman

• 材料

TabPFN：1 秒实现 SOTA AutoML？ 在 COSEAL’23

作者：Frank Hutter

• 幻灯片

COSEAL’23 上以人为中心的 AutoML

作者：Marius Lindauer

• 幻灯片

在弗莱堡软骨日（fachfremde Mittagsvorlesung）的受邀演讲：深度学习 2.0：构建人工智能的人工智能

作者：Frank Hutter

• 幻灯片

在奥尔登堡大学机器学习和数据科学小组的受邀演讲：AutoML：取代数据科学家？

作者：Marius Lindauer

• 幻灯片

2022

在概率机器学习进展研讨会上的受邀演讲：学习动态优化算法

作者：André Biedenkapp

• • 幻灯片
  • 外部网站

AutoML 秋季学校 2022 的讲座：AutoML 概况

作者：Marius Lindauer 和 Frank Hutter

• 幻灯片

CVPR NAS 研讨会 2022 主题演讲：NAS 基准：过去、现在和未来

作者：Frank Hutter

• 幻灯片

2022 年南安普顿 MINDS CDT 研讨会受邀演讲： 深度学习 2.0：将深度学习的力量扩展到元级别

作者：Frank Hutter

• 幻灯片

2022 年 Google BayesOpt 演讲系列受邀演讲： 深度学习 2.0：贝叶斯优化如何推动下一代深度学习

作者：Frank Hutter

• 幻灯片

2022 年 TAILOR 研讨会受邀演讲： 用于表格数据最先进性能的下一代深度学习

作者：Frank Hutter

• 幻灯片

2021

NeurIPS 2021 元学习竞赛主题演讲：DL 2.0：元学习如何推动下一代深度学习

作者：Frank Hutter

• 幻灯片

2021 年多伦多机器学习峰会主题演讲：AutoML：迈向深度学习 2.0

作者：Frank Hutter

• 幻灯片

SecondMind 受邀演讲：迈向深度学习 2.0：走向元级别

作者：Frank Hutter

• 幻灯片

JAII（德国帕德博恩和比勒费尔德）受邀演讲：高效且可解释的 AutoML

作者：Marius Lindauer

• 幻灯片

AutoML 秋季学校 2021 介绍性讲座：神经架构搜索：概述

作者：Frank Hutter

• 幻灯片

AutoML 秋季学校 2021 介绍性讲座：AutoML：概述

作者：Bernd Bischl 和 Marius Lindauer

• 幻灯片

三星研究院和 ICCV 2021 神经架构师研讨会受邀演讲
NAS 基准：过去、现在和未来

作者：Frank Hutter

• 幻灯片

ODSC 欧洲受邀演讲：高效且鲁棒的 AutoML 系统的演进

作者：Frank Hutter

• 幻灯片

ELLIS AutoML 研讨会受邀演讲：迈向可解释的 AutoML：xAutoML

作者：Marius Lindauer

• 幻灯片

ELLIS AutoML 研讨会受邀演讲：用于不确定性估计和数据集漂移的神经集成搜索

作者：Arber Zela

• 幻灯片

在PUNCHLunch NFDI的受邀演讲：AutoML 101

作者：Marius Lindauer

• 幻灯片

在2021 年应用人工智能峰会的演讲：AutoML — 构建人工智能的人工智能

作者：Frank Hutter

• 幻灯片

2020

“TechTiefen”关于 AutoML 的播客采访（德语）

作者：Marius Lindauer

• 外部网站

在NeurIPS 2020 机器学习黑盒优化竞赛的演讲：Squirrel：一种切换超参数优化器

作者：Frank Hutter

• NeurIPS 2020 黑盒优化挑战赛的暖启动友好排行榜，由 Squirrel 获胜
• 幻灯片

在NeurIPS 2020 元学习研讨会的受邀演讲：元学习神经架构、初始权重、超参数和算法组件

作者：Frank Hutter

• 预录演示
• 幻灯片

2020 年 Lorentz 中心研讨会受邀演讲：算法配置、选择+朋友：从静态到动态算法配置

作者：Frank Hutter

• 幻灯片

在ICAPS 2020受邀演讲： 充分利用你的规划器：从静态到动态算法配置

作者：Frank Hutter

• YouTube 上的演讲
• 幻灯片

在微软研究院机器学习方向演讲系列的受邀演讲：神经架构搜索：日趋成熟

作者：Frank Hutter

• YouTube 上的演讲
• 幻灯片

在 PPSN 理解机器学习和优化问题 (UMLOP) 研讨会受邀演讲：迈向理解自动化深度学习

作者：Marius Lindauer

• 幻灯片

ELLIS AutoML 研讨会受邀演讲：神经架构搜索：日趋成熟

作者：Frank Hutter

• 幻灯片

KDD 2020 AutoML 研讨会主题演讲：迈向鲁棒高效的 AutoML

作者：Frank Hutter

• 幻灯片

L3S 受邀演讲：AutoML 的演变：从静态到动态

作者：Marius Lindauer

• YouTube 上的演讲
• 幻灯片

PPSN’20/IJCAI’20 教程：算法配置：挑战、方法和展望

作者：André Biedenkapp 和 Marius Lindauer

• 网站
• 幻灯片

2019

NeurIPS 机器学习挑战研讨会受邀演讲：一项强调科学洞察的新竞赛设计提案

作者：Frank Hutter

• 幻灯片

ECML’19 暑期学校：AutoML 讲座+动手实践

作者：Matthias Feurer 和 Frank Hutter

• 幻灯片第一部分（通用 AutoML、HPO 和元学习，Matthias）
• 幻灯片第二部分（NAS，Frank）
• 视频第二部分（NAS，Frank）（抱歉，在 9-20 分钟处，视频卡顿，只有音频正常；从 20:16 开始，一切恢复正常）

GCPR’19 自动化机器学习教程

作者：Matthias Feurer 和 Thomas Elsken

• 幻灯片第一部分（通用 AutoML、HPO 和元学习，Matthias）
• 幻灯片第二部分（NAS 和元学习，Thomas）

CVPR’19 元学习教程

作者：N. Naik、N. Keskar、C. Finn、F. Hutter、R. Socher、R. Raskar

• 贝叶斯优化部分的幻灯片
• 主页

ICML’19 算法配置：在算法设计空间中学习

作者：Kevin Leyton-Brown 和 Frank Hutter

• 幻灯片
• 视频录制

AMIR’19 算法选择主题演讲和 AutoML 动手实践

作者：Marius Lindauer

• 资源

2018 年及以前

NeurIPS 2018 AutoML 教程

作者： Frank Hutter 和 Joaquin Vanschoren

• 幻灯片第一部分+第二部分（HPO 和 NAS，Frank）
• 幻灯片第三部分（元学习，Joaquin）
• 录音
• NeurIPS 活动页面

2018 年伦敦 ODSC AutoML 教程

作者：Marius Lindauer

• 幻灯片

2017 年 ECML AutoML 教程

作者：Joaquin Vanschoren、Pavel Brazdil、Holger Hoos 和 Frank Hutter

• 资源

迈向真正的端到端学习与优化，ECML-PKDD’17 受邀演讲

作者：Frank Hutter

• 幻灯片

使用 SMAC 进行自动 SAT 求解器配置，2016 年 SAT 工业日教程

作者：Marius Lindauer

• 资源

算法配置：如何提升 SAT 求解器的性能？2016 年 SAT 暑期学校教程

作者：Marius Lindauer

• 资源

机器学习和优化在算法设计中的应用，2015 年冬季学期

作者：Marius Lindauer、Mustafa Misir 和 Frank Hutter

• 课程页面
• 幻灯片可按需提供

算法配置 — 动手教程，AAAI’16 教程

作者：Frank Hutter 和 Marius Lindauer

在这个动手教程中，我们将演示如何在实践中有效地使用算法配置。参与者无需任何专业知识，并将获得配置各种算法的动手经验，这将使他们能够在各自的研究领域应用算法配置。

• 资源

通过优化进行编程：计算机辅助算法设计的实用范例，AAAI’14 教程

作者：Holger Hoos、Frank Hutter 和 Kevin Leyton-Brown

• 资源

通过优化进行编程：计算机辅助算法设计的实用范例，IJCA’13 教程

作者：Holger Hoos、Frank Hutter 和 Kevin Leyton-Brown

• 资源

算法选择和配置，AAAI’13 教程

作者：Frank Hutter、Lars Kotthoff、Yuri Malitsky、Barry O’Sullivan 和 Lin Xu

• 视频第一部分
• 视频第二部分