本期為TechBeat人工智能社區(qū)第363期線上Talk。

北京時間12月1日(周三)晚8點，中國科學(xué)院大學(xué)博士后楊智勇的Talk將準(zhǔn)時在TechBeat人工智能社區(qū)開播！

他與大家分享的主題是: “面向復(fù)雜場景的AUC優(yōu)化算法?”，屆時將詳細(xì)介紹他在局部性能AUC優(yōu)化及多分類AUC優(yōu)化方面取得最新成果。

Talk·信息

主題：面向復(fù)雜場景的AUC優(yōu)化算法

嘉賓：中國科學(xué)院大學(xué)博士后?楊智勇

時間：北京時間?12月1日?(周三) 20:00

地點：TechBeat人工智能社區(qū)

http://www.techbeat.net/

長按識別二維碼，一鍵完成預(yù)約！

完整版怎么看？

掃描下方二維碼，或復(fù)制鏈接https://datayi.cn/w/WoMpGeDP至瀏覽器，一鍵完成預(yù)約！上線后會在第一時間收到通知哦~??

Talk·提綱

主流深度學(xué)習(xí)/機(jī)器學(xué)習(xí)方法主要面向類別均勻分布的理想數(shù)據(jù)集，而真實數(shù)據(jù)往往呈現(xiàn)長尾分部態(tài)勢，類別分布極端不平衡，不滿足此理想假設(shè)。如何在長尾分布條件下構(gòu)建有效的深度學(xué)習(xí)/機(jī)器學(xué)習(xí)方法，已成為人工智能領(lǐng)域面臨的共性技術(shù)挑戰(zhàn)之一，其研究可為網(wǎng)絡(luò)空間安全分析、生物信息學(xué)、智能醫(yī)療等重大應(yīng)用領(lǐng)域提供技術(shù)支撐。造成這一挑戰(zhàn)的主要根源之一在于：主流方法往往采用最小化總體錯誤率這一理念進(jìn)行模型及算法設(shè)計，較易忽略樣本中稀有數(shù)據(jù)類別的性能。相比之下，AUC（Area Under the ROC Curve），對類別分布、錯分代價均不敏感，在長尾數(shù)據(jù)分布場景下更適合作為評價指標(biāo)。近年來，AUC優(yōu)化算法成為了克服長尾分布的一種新思路。而傳統(tǒng)的AUC優(yōu)化算法僅針對簡單二分類設(shè)計，無法應(yīng)對復(fù)雜的應(yīng)用場景。鑒于此，報告人近年來一直聚焦于AUC優(yōu)化的算法及理論在復(fù)雜場景下的延伸。本次報告將詳細(xì)介紹我們在局部性能AUC優(yōu)化及多分類AUC優(yōu)化方面取得最新成果。

（a）局部AUC優(yōu)化算法（ICML 2021）

Zhiyong Yang, Qianqian Xu, Shilong Bao, Yuan He, Xiaochun Cao and Qingming Huang. When All We Need is a Piece of the Pie: A Generic Framework for Optimizing Two-way Partial AUC. International Conference on Machine Learning (ICML), 11820–11829, 2021.

（b）多類別AUC優(yōu)化算法（TPAMI 2021）

Zhiyong Yang, Qianqian Xu, Shilong Bao, Xiaochun Cao and Qingming Huang. Learning with Multiclass AUC: Theory and Algorithms. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 2021. (Early Access)

Talk·參考資料

這是本次分享中將會提及的資料，建議提前預(yù)習(xí)哦！

1. Zhiyong Yang, Qianqian Xu, Shilong Bao, Yuan He, Xiaochun Cao and Qingming Huang. When All We Need is a Piece of the Pie: A Generic Framework for Optimizing Two-way Partial AUC. International Conference on Machine Learning (ICML), 11820–11829, 2021

2. Zhiyong Yang, Qianqian Xu, Shilong Bao, Xiaochun Cao and Qingming Huang. Learning with Multiclass AUC: Theory and Algorithms. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 2021. (Early Access)

Talk·提問交流

通過以下兩種方式提問都將獲得微信現(xiàn)金紅包獎勵哦！

方式 ①

在Talk界面下的【交流區(qū)】參與互動！留下你的打call??和問題??，和更多小伙伴們共同討論，被講者直接翻牌解答！

你的每一次貢獻(xiàn)，我們都會給予你相應(yīng)的i豆積分，還會有驚喜獎勵哦！

方式 ②

在本文留言區(qū)直接提出你的問題，或掃描下方二維碼提問！

Talk·嘉賓介紹

楊智勇博士畢業(yè)于中國科學(xué)院信息工程研究所，現(xiàn)為中國科學(xué)院大學(xué)特別研究助理及博士后（受博新計劃支持），導(dǎo)師為IEEE Fellow、中國科學(xué)院大學(xué)講席教授黃慶明。目前主要的研究方向主要為AUC優(yōu)化、多任務(wù)學(xué)習(xí)、機(jī)器學(xué)習(xí)理論。在ICML、NeurIPS、T-PAMI等CCF-A類期刊/會議發(fā)表一作論文7篇，共同作者論文27篇。擔(dān)任ICML、NeurIPS、ICLR、AAAI、IJCAI等會議PC member；IJCAI 2021 senior PC member；T-PAMI、T-IP等國際期刊審稿人。曾入選博新計劃、百度AI華人新星百強(qiáng)榜單，曾獲百度獎學(xué)金全球20強(qiáng)提名獎、中科院院長特別獎、NeurIPS top 10% 審稿人等榮譽。

個人主頁：

https://joshuaas.github.io/

關(guān)于TechBeat人工智能社區(qū)

TechBeat (www.techbeat.net) 是一個薈聚全球華人AI精英的成長社區(qū)。 我們希望為AI人才打造更專業(yè)的服務(wù)和體驗，加速并陪伴其學(xué)習(xí)成長。 期待這里可以成為你學(xué)習(xí)AI前沿知識的高地，分享自己最新工作的沃土，在AI進(jìn)階之路上的升級打怪的根據(jù)地！

更多詳細(xì)介紹>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ