【WSDM2020】小数据学习，124页ppt，Learning with Small Data，宾夕法尼亚州立大学

WSDM 2020全称为第13届国际互联网搜索与数据挖掘会议（The 13thInternational Conference on Web Search and Data Mining, WSDM 2020），将于2020年2月3日-2月7日在美国休斯敦召开。宾夕法尼亚州立大学ZhenhuiLi, Huaxiu Yao, Fenglong Ma等做了关于小数据学习《Learning with Small Data》教程，124页ppt涵盖迁移学习与元学习等最新课题，是非常好的学习材料！

摘要：

在大数据时代，我们很容易收集到大量的图像和文本数据。然而，在一些领域，例如医疗保健和城市计算，我们经常面对现实世界中只有少量（标记的）数据的问题。挑战在于如何使机器学习算法在处理小数据时仍能很好地工作？为了解决这个挑战，在本教程中，我们将介绍处理小数据问题的最新机器学习技术。我们特别关注以下三个方面：（1）全面回顾了近年来在探索知识迁移的力量方面取得的进展，特别是在元学习方面；（2）介绍了将人类/专家知识纳入机器学习模型的前沿技术；（3）确定了开放的挑战数据增强技术，如生成性对抗网络。

百度网盘下载： 链接: https://pan.baidu.com/s/1j-xvPMB4WwSdiMoDsaR8Sg 提取码: 8v7y 目录：

• 引言 Introduction

• 从模型进行迁移知识 Transfer knowledge from models

  • 迁移学习 Transfer learning
  • 多任务学习 Multi-task learning
  • 元学习 Meta-learning
  • 应用 Applications

• 领域专家知识迁移 Transfer knowledge from domain expert

  • Enrich representations using knowledge graph
  • Regularizing the loss function by incorporating domain knowledge

• 数据增广 Data augmentation

  • Augmentation using labeled data
  • Augmentation using unlabeled data

地址：

https://sites.psu.edu/wsdm20/

讲者介绍： Zhenhui Li 是宾夕法尼亚州立大学信息科学与技术终身副教授。在加入宾夕法尼亚州立大学之前，她于2012年在伊利诺伊大学香槟分校获得了计算机科学博士学位，当时她是数据挖掘研究小组的成员。她的研究重点是挖掘时空数据，并将其应用于交通、生态、环境、社会科学和城市计算。她是一位充满激情的跨学科研究人员，一直积极与跨领域研究人员合作。她曾担任过许多会议的组织委员会或高级项目委员会，包括KDD、ICDM、SDM、CIKM和SIGSPATIAL。自2012年以来，她一直定期开设数据组织和数据挖掘课程。她的课程经常受到学生的好评。她获得了NSF职业奖、研究院青年教师优秀奖和乔治J.麦克默里教学院青年教师优秀奖。

https://faculty.ist.psu.edu/jessieli/Site/index.html