摘要：机器学习的发展给统计学带来了深刻的影响。Leo Breiman 在他发表于2001年的著名论文“Statistical Modeling: The Two Cultures”中首次讨论了统计学和机器学习之间的文化差异，提出了统计学专注“Data Modeling Culture”，而定义机器学习为“Algorithmic Modeling Culture”。Bradley Efron在其2019年ISP(International Statistical Prize) lecture和随后发表的论文“Prediction, Estimation, and Attribution”中再次发人深思地探讨了经典统计学和现代机器学习的分歧，他把机器学习定义为“Pure Prediction Algorithms”，而用“estimation”和“attribution”来刻画传统统计回归方法。在这个报告中，我试图用“prediction, computation, and representation”三元素来阐述机器学习的本质。特别地，从“representation”角度来看待机器学习，表明它的发展贯穿着如何解决“dimensionality curse”和利用“dimensionality blessing”。深度学习则完美诠释了这两者之间的权衡，它也是迄今为止把“Data Modeling Culture”和“Algorithmic Modeling Culture”融为一体的最佳技术途径。

Tencent Information:
ID: 911-682-913
Password: 200911
Link: https://meeting.tencent.com/s/g0t3TvEcbKcc