Nie jesteś zalogowany | Zaloguj się

Prelegent(ci): Piotr Pokarowski
Afiliacja: Uniwersytet Warszawski
Termin: 17 listopada 2022 10:30
Pokój: p. 4070
Seminarium: Seminarium Zakładu Analizy Numerycznej

Uczenie maszynowe jest obecnie największą dziedziną zastosowań numerycznych, stwarzającą nowe szanse i wyzwania dla projektantów i analityków algorytmów numerycznych. W referacie przedstawię kilka wybranych zadań, algorytmów i twierdzeń dla uczenia maszynowego z nadzorem, inaczej predykcji statystycznej. W tych zadaniach celem jest dopasowanie funkcji wielu zmiennych do danych "uczących", a kryterium dopasowania jest zmodyfikowana, na różne sposoby, odległość euklidesowa. W szczególności omówię:

*** zadanie najmniejszych kwadratów z karą kwadratową i jądrową transformacją zmiennych - wykorzystywane np. do przewidywania twarzy;
*** zadanie najmniejszych kwadratów z karą modułową - pozwalające np. wybrać kilka-kilkanaście zmiennych, z dostępnych 10 milionów, w celu przewidywania poziomu metylacji fragmentu DNA;
*** zadanie uzupełniania macierzy - w jego oryginalnym zastosowaniu do rekomendacji filmów dla klientów Netflixa.
Dla lepszego zrozumienia wyników teoretycznych dotyczących poprawności omawianych algorytmów, omówię wzmocnienie klasycznego twierdzenia (Vapnik i Czerwonenkis) o charakteryzacji wyuczalności funkcji binarnej.

Uczenie maszynowe to również nowy kierunek studiów na MIM, a więc szanse i wyzwania dla tutejszych obliczeniowców pracujących w matematyce "nie-dyskretnej". Przedstawię kilka uwag na ten temat.

Uczenie maszynowe - szanse i wyzwania dla numeryków

Kariera

Strona internetowa