直播 | 优必选悉尼AI研究院博士生分享混合比例估计及其应用

分享背景

在大数据时代，标注足够多的训练样本往往耗费巨大。弱监督学习方法往往能够减轻对正确标签的过度依赖，达到与监督学习相近的性能。然而，在设计弱监督学习方法时，我们需要理解无标签样本的分布情况（比如semi-supervised learning），或者带噪声标签样本的噪声大小（比如learning with label noise），这些问题的本质就是混合比例估计。因此，混合比例估计在弱监督学习中占有至关重要的作用。本次公开课，余席宇同学将分享他在混合比例估计中新的研究成果，以及其在弱监督学习，迁移学习中的延伸应用。

分享题目

混合比例估计（Mixture Proportion Estimation）及其应用

分享提纲

1、混合比例估计的背景，问题描述以及基本假设。

2、利用最大平均差异的方法快速求解混合比例估计问题，并提供理论保证。
3、在各个组成分布中采出的样本含有大量离群点（ outliers ）时，研究如何进行混合比例估计。
4、混合比例估计应用：辅助领域（ source domain ）中的样本含有标签噪声时的迁移学习。

分享嘉宾

余席宇，悉尼大学， FEIT，四年级博士生，优必选悉尼AI研究院学生。北京航空航天大学控制科学与工程学士，硕士。主要研究方向为矩阵分解，深度网络模型压缩以及弱监督学习。

分享时间

北京时间 5 月 18 日（周五）晚上 8:00

参与方式

如有兴趣参加公开课，可直接访问http://www.mooc.ai/open/course/493?as=preview 

对了，我们招人了，了解一下？

BAT资深算法工程师独家研发课程

最贴近生活与工作的好玩实操项目

班级管理助学搭配专业的助教答疑

学以致用拿offer，学完即推荐就业

┏(＾0＾)┛欢迎分享，明天见！