|
雷锋网 AI 研习社按，近期，谷歌在苏黎世办事处举办了一场相关算法与优化的专题讲座，旨在经过供给一个论坛来交流设备学习理论和大规模图挖掘行业的想法。该论坛触及到市场算法、设备学习理论、大规模图挖掘、隐私与公平、略图构造、哈希和动态算法这五个方向。在讲座结束之后，Google 苏黎世办事处科研员 Silvio Lattanzi 和 Google 纽约办事处科研员 Vahab Mirrokni 对讲座内容进行了总结整理，关联文稿和视频现已对外颁布。雷锋网 AI 研习社获授权转载，做了不改变原意的编辑整理：
近期，谷歌在苏黎世办事处举办了一次相关算法与优化的专题讲座，旨在经过供给一个论坛来交流设备学习理论和大规模图挖掘行业的想法，培育学术界科研员和 Google 科研员之间的协作。
专题讲座分为五个部分，每一个部分都包含由接触以下科研行业的出席者所作的演讲： 
Silvio Lattanzi 正在演示图挖掘团队的工作
市场算法
此部分包括五个演讲，探讨了与优化在线市场和重复拍卖关联的问题。Vahab Mirrokni（Google 纽约办事处）以一个介绍市场算法项目的概览演讲开启了这个部分，随后，Paul Duetting（伦敦政治经济学院）讲解了用于定价的随机优化的近期发展。Renato Paes Leme（Google 纽约办事处）谈论了实践中的动态拍卖。Stefano Leonardi（罗马大学）讲解了预订交易平台市场面临的挑战，最后，Radu Jurca（Google 苏黎世办事处）说明了怎样打包YouTube 预订宣传。
设备学习理论
咱们的第二部分侧重于设备学习科研的理论方面。Olivier Bousquet（苏黎世 Google Brain 团队）开启了这个部分，他讨论了分发的不可知学习中的挑战。随后，Amin Karbasi（耶鲁大学）和Andreas Krause（苏黎世联邦理工学院）分别介绍了子模块化优化和学习子模块化模型的最新成果。Martin Jaggi（洛桑联邦理工学院）说明了并行处理优化算法的新技术。最后，Nicolò Cesa-Bianchi（米兰大学）介绍了老虎机新成果。
大规模图挖掘
在这一部分中，咱们介绍了大规模图挖掘项目的有些成就和挑战。Silvio Lattanzi（Google 苏黎世办事处）开启了这个部分，他介绍了图挖掘团队的应用和理论工作。之后，Piotr Sankowski（华沙大学）演示了一个用于说明真实图中级联体积的有趣模型。Thomas Sauerwald（剑桥大学）演示了合并随机漫步行业的部分新成果，Peter Sanders（卡尔斯鲁厄理工学院）介绍了大型数据集算法工程方面的几个有趣成果。在这场演讲之后，咱们与 Peter Sanders 和 Christian Schulz（维亦纳大学）就用于生成平衡图分割结果的区别技术展开了头脑风暴，这些结果优于近期一篇论文中所生成切割的质量。咱们期待看到改进的结果。
隐私与公平
此部分介绍了与隐私守护算法以及设备学习和举荐系统中的公平相关的新主题。这两个主题是设备学习的重点关注行业。例如，Sergei Vassilvitskii（Google 纽约办事处）讲解了用于计算公平聚类的新算法，Elisa Celis（洛桑联邦理工学院）则讨论了设备学习行业算法公平和偏差的多个方面。Florin Ciocan（欧洲工商管理学院）介绍了用于公平分配的算法，Graham Cormode（华威大学）讲解了用于专属边际统计的算法。
略图构造、哈希和动态算法
最后一个部分介绍了略图构造、哈希和动态算法行业的有些最新成果。Morteza Zadimoghaddam（Google 纽约办事处）开启了这个部分，他介绍了一种用于动态一致性哈希的新算法。随后，Robert Krauthgamer（魏茨曼科学科研所）讲解了略图构造与组合优化行业的有些最新成果。Sayan Bhattacharya（华威大学）介绍了经过原始-对偶办法进行的动态算法设计。最后，Pino Italiano（罗马第二大学）讲解了用于网络分析的有效新算法。
整体来讲，这场论坛举行了许多出色的演讲，并供给了海量机会来讨论有趣的问题。
所有的演示文稿（包含视频）都能够在谷歌的专题讲座网站上找到：
位置： https://sites.google.com/corp/view/algorithms-workshop/presentations
| 
发表于 2024-7-28 00:16:24