亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

講座題目

Recent Progress in Zeroth Order Optimization and Its Applications to Adversarial Robustness in Data Mining and Machine Learning

講座簡介

當梯度的顯式表達式很難或不可能獲得時，零階（ZO）優化越來越被用來解決大數據和機器學習問題。它通過有效梯度估計近似全梯度實現無梯度優化。最近的一些重要應用包括：a）產生對深度神經網絡的預測規避、黑箱對抗攻擊；b）計算能力有限的在線網絡管理；c）黑箱/復雜系統的參數推斷；d）根據損失函數部分反饋的bandit優化她的對手所揭示的價值觀。 本教程旨在全面介紹ZO優化方法在理論和應用方面的最新進展。在理論方面，我們將討論ZO算法的收斂速度和迭代復雜性分析，并與它們的一階對應進行比較。在應用方面，我們將重點介紹ZO優化在研究深層神經網絡魯棒性方面的一個很有吸引力的應用-從黑箱機器學習模型生成對抗性示例的實用有效的對抗性攻擊。我們還將總結有關ZO優化、大數據挑戰和一些開放式數據挖掘和機器學習問題的潛在研究方向。

講座嘉賓

Pin-Yu Chen 是麻省理工學院-IBM人工智能實驗室，IBM Thomas J.Watson研究中心，可信人工智能小組和PI的研究人員。最近的研究重點是對抗性機器學習和神經網絡的魯棒性，更廣泛地說，使機器學習值得信賴。我的研究興趣還包括圖形學習、網絡數據分析及其在數據挖掘、機器學習、信號處理和網絡安全中的應用。

報告題目： Augmenting Human Intelligence: From Search Engines to Intelligent Task Assistants

報告摘要： 人類發明了很多工具來增強人類智能化生活，其中搜索引擎就是增強人類智能的一個工具。但是搜索只是完成任務的一種手段，如何將不完善的技術轉化為完善的產品？本篇報告給出答案。

嘉賓介紹： 翟成祥，美國伊利諾伊大學厄巴納-香檳分校計算機系教授，Willett Faculty Scholar，并在該校的生物信息研究所，信息科學學院，及統計系任兼職教授。于1990年、2002年分別獲得南京大學計算機博士學位和卡耐基梅隆大學語言和信息技術博士學位。

報告主題： 信息檢索

報告摘要： 信息檢索是用戶進行信息查詢和獲取的主要方式，是查找信息的方法和手段。信息按一定的方式進行加工、整理、組織并存儲起來，再根據信息用戶特定的需要將相關信息準確的查找出來的過程。又稱信息的存儲于檢索。

邀請嘉賓： 任昭春，博士，山東大學教授，博士生導師。2016年10月在荷蘭阿姆斯特丹大學取得博士學位；2016年至2017年在倫敦大學學院工作，2017年至2019年在京東數據科學實驗室擔任算法科學家。任昭春主要從事信息檢索和自然語言處理方面的研究，特別關注于社交媒體內容分析，搜索多樣性，問答和對話系統，以及可解釋性推薦系統等研究問題，目前已在計算機領域各個國際頂級會議和期刊上共發表60余篇論文，獲得信息檢索領域國際頂級會議WSDM2018最佳學生論文獎和CIKM2017最佳長論文提名獎；應邀擔任信息檢索領域和自然語言處理領域多項頂級會議程序委員會委員和頂級期刊審稿人。同時任昭春在信息檢索領域一直擔任多項會議和期刊的組織服務工作。

報告主題： Explainable AI-The Story So Far

嘉賓介紹： Freddy Lecue博士是加拿大蒙特利爾泰勒斯人工智能技術研究中心的首席人工智能科學家。他也是法國索菲亞安提波利斯溫姆斯的INRIA研究所的研究員。在加入泰雷茲新成立的人工智能研發實驗室之前，他曾于2016年至2018年在埃森哲愛爾蘭實驗室擔任人工智能研發主管。在加入埃森哲之前，他是一名研究科學家，2011年至2016年在IBM research擔任大規模推理系統的首席研究員，2008年至2011年在曼徹斯特大學(University of Manchester)擔任研究員，2005年至2008年在Orange Labs擔任研究工程師。

李航博士的《統計學習方法》可以說是機器學習的入門寶典。現如今，統計學習方法（第2版）于今年5月份出版，在第一版監督學習的基礎上，增加了無監督學習內容，更加豐富，是非常值得學習材料。最近清華大學深圳研究院的袁春教授為《統計學習方法（第2版）》制作了課件方便學習觀看。

本書全面系統地介紹了統計學習的主要方法，共分兩篇。第一篇系統介紹監督學習的各種重要方法，包括決策樹、感知機、支持向量機、最大熵模型與邏輯斯諦回歸、推進法、多類分類法、EM算法、隱馬爾科夫模型和條件隨機場等；第二篇介紹無監督學習，包括聚類、奇異值、主成分分析、潛在語義分析等。兩篇中，除概論和總結外，每章介紹一或二種方法。

李航，男，畢業于日本京都大學電氣電子工程系，日本東京大學獲得計算機科學博士學位。北京大學、南京大學兼職教授。曾任日本NEC公司中央研究所研究員，微軟亞洲研究院高級研究員與主任研究員、華為技術有限公司諾亞方舟實驗室主任。現任字節跳動科技有限公司人工智能實驗室總監，主要研究方向為自然語言處理、信息檢索、機器學習等。

課件下載地址： 鏈接: //pan.baidu.com/s/1kmXNfogNNeIulyQWTjLqfQ 提取碼: sw2f

報告主題：Learning Causality and Learning with Causality: A Road to Intelligence

報告摘要：

吸煙會引起癌癥嗎？通過分析兩個變量的觀測值，我們能否找到它們之間的因果關系？在我們的日常生活和科學中，人們經常試圖回答此類因果問題，目的是正確理解和操縱系統。在過去的幾十年中，為了回答這些問題，在機器學習，統計和哲學等領域取得了有趣的進步。此外，我們還經常關注如何在復雜的環境中進行機器學習。例如，我們如何在非平穩環境中做出最佳預測？有趣的是，最近發現因果信息可以促進理解和解決各種機器學習問題，包括遷移學習和半監督學習。這篇演講回顧了因果關系研究中的基本概念，并側重于如何從觀察數據中學習因果關系，以及因果關系為何以及如何幫助機器學習和其他任務。最后，我將討論為什么因果表達很重要以便實現通用人工智能。

邀請嘉賓：美國卡耐基梅隆大學張坤博士

嘉賓簡介

張坤博士是卡內基梅隆大學哲學系的助理教授和機器學習系的副教授，也是德國馬克斯·普朗克智能系統研究所的高級研究科學家。他的研究興趣在于機器學習和人工智能，尤其是因果發現，基于因果關系的學習和通用人工智能。他從因果關系的角度開發了用于自動發現因果關系的方法，從因果關系角度研究學習問題，尤其是轉移學習，概念學習和深度學習，并研究了因果關系和各種機器學習任務的哲學基礎。他曾擔任大型機器學習或人工智能會議的區域主席或高級程序委員會成員，包括NeurIPS，UAI，ICML，AISTATS，AAAI和IJCAI。他組織了各種學術活動，以促進因果關系的跨學科研究。

主題: Safe and Fair Machine Learning

簡介：

在這個演講將討論一些我們的未來的工作在一個新的框架設計的機器學習算法,內容包括：1)使得算法的用戶更容易定義他們認為是不受歡迎的行為(例如,他們認為是不公平的,不安全,或者成本)；2)提供了一個高信任度保證它不會產生一個解決方案,展示了用戶定義的不受歡迎的行為。

作者簡介：

Philip Thomas是馬薩諸塞大學安姆斯特分校信息與計算機科學學院助理教授，自主學習實驗室聯合主任。之前是卡內基·梅隆大學(CMU)的博士后，2015年，在馬薩諸塞州立大學阿默斯特分校(UMass Amherst)獲得了計算機科學博士學位。主要研究如何確保人工智能(AI)系統的安全性，重點是確保機器學習(ML)算法的安全性和公平性以及創建安全和實用的強化學習(RL)算法。