Talk预告 | 普渡大学计算机系助理教授张如琪: 机器学习中的可扩展且可靠的概率推断

原创让创新获得认可将门创投今天

收录于话题

本期为TechBeat人工智能社区第352期线上Talk。

北京时间10月27日(周三)晚8点，普渡大学计算机系助理教授——张如琪的Talk将准时在TechBeat人工智能社区开播！

她与大家分享的主题是: “机器学习中的可扩展且可靠的概率推断”，届时将讲解如何在现代机器学习中，做有理论保障的快速可靠的概率推断。

Talk·信息

▼

主题：机器学习中的可扩展且可靠的概率推断

嘉宾：普渡大学计算机系助理教授张如琪

时间：北京时间 10月27日 (周三) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

长按识别二维码，一键完成预约！

Talk·提纲

▼

概率建模提供了一个从数据中学习的框架，它的优势是严格地量化不确定性。在海量和复杂数据的时代，概率学习框架急需新的推断方法来快速高效地从数据中提取信息。

本次报告将讲解如何在现代机器学习中，做有理论保障的快速可靠的概率推断。在第一部分，我将介绍一个根植于理论的框架，来保证推断的快速和渐近正确性，并把这个框架应用于Metropolis-Hastings和Gibbs sampling。在第二部分，我将讲解概率推断在深度学习中的挑战，并介绍一个可以快速采样深度神经网络后验分布的方法。

Talk·参考资料

▼

这是本次分享中将会提及的资料，建议提前预习哦！

1 Asymptotically Optimal Exact Minibatch Metropolis-Hastings

https://arxiv.org/pdf/2006.11677.pdf

2 Cyclical Stochastic Gradient MCMC for Bayesian Deep Learning

https://arxiv.org/pdf/1902.03932.pdf

3 Poisson-Minibatching for Gibbs Sampling with Convergence Rate Guarantees

https://arxiv.org/pdf/1911.09771.pdf

Talk·提问交流

▼

通过以下两种方式提问都将获得微信现金红包奖励哦！

方式 ①

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

方式 ②

在本文留言区直接提出你的问题，或扫描下方二维码提问！

快来提问啦！

Talk·嘉宾介绍

▼

张如琪

普渡大学计算机系助理教授

张如琪，现为德州大学奥斯汀分校IFML的博士后，将于2022年秋季作为助理教授加入普渡大学计算机系。她于2021年获得康奈尔大学博士学位，师从Chris De Sa教授。她的主要研究方向是概率机器学习，贝叶斯深度学习，大规模概率推断和采样方法。张博士的工作发表在NeurIPS, ICLR和 AISTATS等多个机器学习顶会，并有多篇论文获评Oral和Spotlight。今年，她被评选为Spotlight Rising Star in Data Science。

个人主页：

https://ruqizhang.github.io/

长按识别二维码，一键完成预约！