本周為TechBeat人工智能社區(qū)第281期線上Talk，也是NeurIPS 2020系列Talk的第?彈！

北京時(shí)間3月3日(周三)晚8點(diǎn)，MIT在讀博士生—楊宇喆的Talk將準(zhǔn)時(shí)在TechBeat人工智能社區(qū)開(kāi)播！

他與大家分享的NeurIPS 2020工作主題是: “數(shù)據(jù)不平衡學(xué)習(xí)：從半監(jiān)督、自監(jiān)督到不平衡回歸”。屆時(shí)將介紹兩種新的不平衡學(xué)習(xí)框架，以及他和團(tuán)隊(duì)的最新工作：深度不平衡回歸問(wèn)題。

如何回看NeurIPS全部?jī)?nèi)容？??

登陸TechBeat人工智能社區(qū)

https://www.techbeat.net/

搜索關(guān)鍵詞【NeurIPS】

或點(diǎn)擊【Talk-系列Talk】即可~

更多精彩

盡在TechBeat人工智能社區(qū)！

Talk·信息

▼

主題：數(shù)據(jù)不平衡學(xué)習(xí)——

從半監(jiān)督、自監(jiān)督到不平衡回歸

嘉賓：MIT在讀博士生?楊宇喆

時(shí)間：北京時(shí)間?3月3日 (周三) 20:00

地點(diǎn)：TechBeat人工智能社區(qū)

http://www.techbeat.net/

長(zhǎng)按識(shí)別二維碼，一鍵完成預(yù)約！

Talk·提綱

▼

數(shù)據(jù)不平衡問(wèn)題在現(xiàn)實(shí)世界非常普遍。對(duì)于真實(shí)數(shù)據(jù)，不同類(lèi)別的數(shù)據(jù)量往往是不平衡的，這對(duì)深度模型的學(xué)習(xí)造成了不小的挑戰(zhàn)。

設(shè)計(jì)相應(yīng)的學(xué)習(xí)算法，讓模型在數(shù)據(jù)量多的類(lèi)別、區(qū)域內(nèi)表現(xiàn)好，并同時(shí)能在數(shù)據(jù)量少甚至沒(méi)有數(shù)據(jù)的區(qū)域內(nèi)同樣具備很好的泛化性能，對(duì)實(shí)際問(wèn)題具有非常重要的指導(dǎo)意義。

本次分享的主要內(nèi)容如下：

1. 主要介紹兩種不同的、新的不平衡學(xué)習(xí)框架，它首次證明了半監(jiān)督學(xué)習(xí)和自監(jiān)督學(xué)習(xí)均能顯著提升不平衡學(xué)習(xí)的數(shù)據(jù)結(jié)果 (NeurIPS 2020)。?

2. 主要介紹團(tuán)隊(duì)的最新工作：深度不平衡回歸問(wèn)題。目前，針對(duì)不平衡數(shù)據(jù)的學(xué)習(xí)方法幾乎都是對(duì)分類(lèi)問(wèn)題的研究，但現(xiàn)實(shí)中很多任務(wù)都具有連續(xù)的標(biāo)簽，傳統(tǒng)方法很可能不再適用。我們將深入探討如何應(yīng)對(duì)、處理具有連續(xù)目標(biāo)的不平衡數(shù)據(jù)。

Talk·參考資料

▼

這是本次分享中將會(huì)提及的資料，建議提前預(yù)習(xí)哦！

1.?Rethinking the Value of Labels for Improving Class-Imbalanced Learning

論文鏈接：https://arxiv.org/abs/2006.07529

代碼鏈接：https://github.com/YyzHarry/imbalanced-semi-self

2.?Delving into Deep Imbalanced Regression

論文鏈接：https://arxiv.org/abs/2102.09554

代碼鏈接：https://github.com/YyzHarry/imbalanced-regression

3.?中文版論文解讀：

https://zhuanlan.zhihu.com/p/259710601

Talk·提問(wèn)交流

▼

通過(guò)以下兩種方式提問(wèn)都將獲得微信現(xiàn)金紅包獎(jiǎng)勵(lì)哦！

方式 ①

在Talk界面下的【交流區(qū)】參與互動(dòng)！留下你的打call??和問(wèn)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(huì)給予你相應(yīng)的i豆積分，還會(huì)有驚喜獎(jiǎng)勵(lì)哦！

方式 ②

在本文留言區(qū)直接提出你的問(wèn)題，或掃描下方二維碼提問(wèn)！

Talk·嘉賓介紹

▼

楊宇喆，MIT EECS三年級(jí)在讀博士生，師從Dina Katabi教授，本科畢業(yè)于北京大學(xué)。他的研究方向是機(jī)器學(xué)習(xí)、無(wú)線感知系統(tǒng)和醫(yī)療AI領(lǐng)域的交叉，主要關(guān)注基于深度學(xué)習(xí)的無(wú)接觸式的人體健康感知與監(jiān)測(cè)。

此外，楊宇喆也致力于開(kāi)發(fā)更加魯棒的機(jī)器學(xué)習(xí)算法與模型，以及更高效的強(qiáng)化學(xué)習(xí)算法。他的工作發(fā)表于ICML、CVPR、NeurIPS、ICLR等頂級(jí)期刊和會(huì)議，并被MIT Technology Review、TechCrunch、Engadget等多個(gè)主流媒體報(bào)道。

關(guān)于TechBeat人工智能社區(qū)

▼

TechBeat(www.techbeat.net)是一個(gè)薈聚全球華人AI精英的成長(zhǎng)社區(qū)。 我們希望為AI人才打造更專(zhuān)業(yè)的服務(wù)和體驗(yàn)，加速并陪伴其學(xué)習(xí)成長(zhǎng)。期待這里可以成為你學(xué)習(xí)AI前沿知識(shí)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(jí)打怪的根據(jù)地！? ??