Hi! PARIS - Séminaire "Recent advances in robust machine learning" avec Masashi Sugiyama
Le centre interdisciplinaire Hi! PARIS (IP Paris/HEC) organise lundi 26 septembre 2022 un séminaire en la présence de Masashi Sugiyama. Cet événement (en anglais) se déroulera au sein de l'amphithéâtre 250 de l'ENSAE Paris, de 14h à 15h30. Il sera également disponible en visioconférence, via Zoom.
- S'inscrire pour assister physiquement à l'événement - Comment venir à l'ENSAE Paris ?
- S'inscrire pour assister en ligne via Zoom
Avancées récentes dans l'apprentissage automatique robuste
Lorsque les systèmes d'apprentissage automatique sont formés et déployés dans le monde réel, nous sommes confrontés à divers types d'incertitudes. Par exemple, les données d'apprentissage dont nous disposons peuvent contenir des informations insuffisantes, du bruit d'étiquetage et des biais. Dans cet exposé, je présenterai une vue d'ensemble de nos récentes avancées dans le domaine de l'apprentissage automatique robuste, y compris la classification faiblement supervisée (classification sans étiquette positive, classification à confiance positive, classification à étiquette complémentaire, etc.), l'apprentissage d'étiquettes bruitées (estimation de transition de bruit, bruit dépendant de l'instance, sélection d'échantillons propres, etc.) et l'adaptation au domaine (apprentissage conjoint par prédicteur d'importance pour l'adaptation au décalage des covariables, apprentissage dynamique par prédicteur d'importance pour le décalage de la distribution complète, etc.).
Masashi Sugiyama
Masashi Sugiyama a obtenu un doctorat en informatique de l'Institut de technologie de Tokyo en 2001. Il est professeur à l'Université de Tokyo depuis 2014 et, simultanément, directeur du Centre RIKEN pour le projet d'intelligence avancée (AIP) depuis 2016. Ses recherches portent sur les théories et les algorithmes de l'apprentissage automatique. En 2022, il a reçu le prix de la science et de la technologie du ministre japonais de l'éducation, de la culture, des sports, de la science et de la technologie. Il a été coprésident du programme de la conférence NeurIPS (Neural Information Processing Systems) en 2015, de la conférence internationale AISTATS (International Conference on Artificial Intelligence and Statistics) en 2019 et de la conférence ACML (Asian Conference on Machine Learning) en 2010 et 2020. Il est (co)auteur de "Machine Learning in Non-Stationary Environments" (MIT Press, 2012), "Density Ratio Estimation in Machine Learning" (Cambridge University Press, 2012), "Statistical Reinforcement Learning" (Chapman & Hall, 2015), "Introduction to Statistical Machine Learning" (Morgan Kaufmann, 2015) et "Machine Learning from Weak Supervision" (MIT Press, 2022).