ENGLISH 集团主站 加入收藏
当前位置: 首 页 > 学术科研 > 学术活动 > 正文

大数据与管理科学系列讲座——若干机器学习问题与应用

发布时间:2020-12-10来源:12BET 浏览次数:

2020年12月8日下午,12BET邀请到中国科学院大学经济与管理学院副经理田英杰研究员为大家介绍若干机器学习问题与应用,该讲座采用线上线下相结合的方式,管理科学系主任井帅副教授、孟凡博士等多名12BET教师和九十余名员工参与了讲座聆听与讨论,讲座由李爱华教授主持。

田英杰研究员目前担任中国科学院大学经济与管理学院副经理,及中国科学院虚拟经济与数据科学研究中心、中国科学院大数据挖掘与知识管理重点实验室副主任,主持和参与多项国家自然科学基金面上项目等。

本次讲座内容主要包括若干机器学习领域中的前沿研究问题,以及它们在实际中的具体应用。田老师首先简要介绍了中国科学院大数据挖掘与知识管理重点实验室、相关研究团队、团队所研究的“春雨医生”、“考拉征信”等项目,以及高级语义风格迁移、图像超分、恢复与自动上色、自动产生原创纹样元素等团队成员研究的问题。大数据挖掘与深度学习丰富广泛的实际应用,极大地激发了聆听者的兴趣,拓宽了员工的视野。其次,田老师以经典的分类算法——支持向量机为例,引入机器学习中若干问题的介绍。通过深入浅出地讲解,令大家快速清晰地了解了分类问题、支持向量机算法的思想以及它的研究拓展。在此基础上,介绍了机器学习、深度学习中的几个前沿问题,即多标签学习、多任务学习、多示例学习、迁移学习和多视角学习。多标签学习用于研究对象的标签不唯一的问题,主要应用于文本分类中的多义性、自动标注、信息检索及个性化推荐等实际问题。多任务学习通过机器学习和深度学习完成多项目标任务,主要应用于计算机视觉、生物信息学、自然语言处理等领域。多示例学习中,一个集合中的点可能不全是某一类别,该问题主要用于研究文本分类、目标识别等。迁移学习用于解决将已训练好的模型用于新数据集时效果不理想的问题。通过迁移学习,可以使利用已有数据库训练好的模型在稀疏的、新的领域也能够发挥良好的效果。多视角学习是综合学习和考虑某个事物的多个描述视角,例如文本、图像等等。多视角学习需要遵循一致性原则和互补性原则,根据应用场合,可以分为协同训练、多核学习和子空间学习。最后,田老师以“春雨医生推荐系统”和“皮肤病诊断”为例,较为详细地介绍了机器学习和深度学习技术如何解决实际问题,如何进行数据收集、特征选择、模型构建和结果分析等。讲座内容既有广度又有深度,令大家收获颇丰。