山东省人工智能学会

ShanDong Association of Artificial Intelligence

关于举办机器学习理论导引暑期研讨班的通知

新版首页    通知公告    关于举办机器学习理论导引暑期研讨班的通知

 

    机器学习是人工智能的核心内容,为给机器学习研究者和学生提供一个理论学习的入门导引,山东省人工智能学会学术工委联合山东大学机器学习与数据挖掘(TIMEhttps://time.sdu.edu.cn/)实验室,在暑假期间举办线上线下混合的机器学习理论导引研讨班。

 

    该研讨班主要面向本科生、研究生以及对机器学习理论和技术感兴趣的企业、高校和科研院所的研究者。研讨班以《机器学习理论导引》教材(机器学习领域著名学者周志华教授领衔的南京大学LAMDA团队四位教授合著)为主要内容基础,邀请了山东大学TIME实验室从事机器学习理论和技术研究的博士后、博士生和硕士生对机器学习理论涉及到的各部分内容进行讲解和讨论,给有志于机器学习研究和学习的老师和学生提供一个交流平台。

 

    该研讨班无需报名、不收取任何费用,因校园疫情管控,线下仅限山东大学本校学生参加(线下地点:山东大学软件学院办公楼202会议室),线上面向全省研究者和学生免费参加。研讨班暂定每周一期,具体安排如下:

 

主题

报告内容

时间

报告人

预备知识

介绍机器学习理论的预备知识,包括相关的概率论和函数内容,重要不等式的推导过程以及最优化基础知识。并以SVM模型为例,简要分析上述预备知识的具体体现。

7月12号晚6:30(腾讯会议号:795 9722 3412)

王帆(山东大学TIME实验室硕士生)

可学性

介绍PAC(Probably Approximately Correct) 可学性理论。包括误差、假设集、概念类等基本概念的介绍,以及PAC可学习基本概念的介绍。介绍PAC学习和不可知PAC学习。介绍有限假设空间和无限假设空间,并通过示例分析不同假设空间下概念类的PAC可学性。

7月19号晚6:30(腾讯会议号:795 9722 3412)

何润东(山东大学TIME实验室博士生)

复杂度

介绍刻画无限假设空间复杂度的方法,包括数据分布无关的VC维及其拓展Natarajan维,以及数据分布相关的Rademacher复杂度。并以线性超平面、支持向量机、多层神经网络三种模型为例,展示如何进行VC维和Rademacher复杂度的分析。

7月26号晚6:30(腾讯会议号:795 9722 3412)

孙皓亮(山东大学TIME实验室博士后)

泛化界

介绍泛化误差上界和泛化误差下界。泛化误差上界包括有限假设空间中的可分情形和不可分情形,和无限假设空间中的有限VC维假设空间的泛化误差界、基于Rademacher复杂度的泛化误差界。泛化误差下界包括基于VC维的可分情形和不可分情形,以及学习算法的泛化误差与贝叶斯最优分类器泛化误差之间的关系。最后分析支持向量机的泛化误差界。

8月2号晚6:30(腾讯会议号:795 9722 3412)

韩忠义(山东大学TIME实验室博士生)

稳定性

介绍算法的稳定性,和如何刻画训练集的扰动对算法结果的影响。介绍均匀稳定性和假设稳定性等概念,分析算法稳定性与泛化性、可学性的关系。最后介绍支持向量机、支持向量回归、岭回归和k-近邻四种经典算法的稳定性分析。

8月9号晚6:30(腾讯会议号:795 9722 3412)

王任(山东大学TIME实验室博士生)

一致性

介绍一致性的概念,即学习算法在无限多数据情形下学习的性能极限。主要包括替代函数一致性和划分机制一致性两部分,并以支持向量机和随机森林两种模型为例,对其替代泛化风险和一致性进行分析。

8月16号晚6:30(腾讯会议号:795 9722 3412)

苏皖(山东大学TIME实验室硕士生)

收敛率

介绍优化问题中的收敛率问题,即寻找最优解的速率。主要内容针对凸函数和强凸函数,使用确定优化和随机优化算法,来分析收敛率问题。最后使用支持向量机和对率回归来做实例分析。

8月23号晚6:30(腾讯会议号:795 9722 3412)

魏琦(山东大学TIME实验室硕士生)

遗憾界

介绍在线学习的性能评价指标-遗憾,即算法在运行的过程中产生的模型与假设空间内最优模型的损失之差的求和。主要介绍完全信息在线学习和赌博机在线学习两部分。并通过利用完全信息在线学习求解支持向量机和利用赌博机在线学习求解对率赌博机两个实例进行分析。

8月30号晚6:30(腾讯会议号:795 9722 3412)

国晨晖、王雨婷(山东大学TIME实验室硕士生)

 

2021年7月3日 11:08
浏览量:0
收藏