안녕하세요, 데이터사이언스대학원에서 아래의 내용과 같이 BK21 x ERC 세미나를 개최하오니 여러분의 많은 관심과 참여를 부탁드립니다.
연사 Alexis Bellot 박사님은 Google DeepMind에서 Research Scientist로 재직하고 있습니다.
인과추론과 기계학습 전문가로서, 이 분야에 대한 강연을 진행할 예정입니다.
잠시: 2024년 10월 14일 오후 4:00 - 5:30
장소: 서울대학교 942동 302호
발표자: Alexis Bellot 박사(Google DeepMind 연구 과학자)
제목: 머신 러닝에서 학습 전이를 위한 인과적 접근 방식
초록: AI의 기본 과제는 보이지 않는 도메인에서 이루어진 예측에 대한 성능 보장을 제공하는 것입니다. 실제로는 새로운 데이터의 분포와 기존 예측 변수의 성능에 대한 해당 변동성에 대해 상당한 불확실성이 있을 수 있습니다. 예를 들어, 위험 예측 도구 환자 집단(예: 특정 병원, 지리적 위치)에 대해 미세 조정된 것은 여러 측면에서 다를 수 있는 다른 환자 집단에 배포하는 경우 동일하게 최적이 아닐 수 있습니다. 이 강연은 부분적 이동성의 렌즈를 통해 이 문제를 연구합니다. 이는 데이터를 결합합니다. 데이터 생성 메커니즘에 대한 소스 도메인 및 가정은 인과 다이어그램에 인코딩되어 분류 모델의 분포 밖 성능에 대한 보장을 제공합니다. 기존 분류 모델의 최악의 성능을 일관되게 예측할 수 있으며 , 더 나아가, 우리의 가정 하에, 대상 도메인에서 최악의 성능을 위해 명시적으로 최적화하기 위해 분류 모델을 훈련할 수 있습니다. 이 두 가지 방법은 모두 표현적 신경망으로 매개변수화되고 그래디언트 기반 최적화 체계로 구현될 수 있습니다. 이러한 결과를 통해, 우리는 머신 러닝에서 전이 학습과 도메인 일반화 문제에 대한 새로운 관점을 제공합니다.
약력: Alexis Bellot는 영국 런던에 있는 Google DeepMind의 연구 과학자입니다. 그는 이전에 Columbia University에서 Elias Bareinboim 교수와 함께 일하면서 박사후 연구원이었습니다. Columbia에 가기 전에 그는 University of Cambridge에서 응용 수학 박사 학위를 받았습니다. 미하엘라 반 더 샤르 교수의 지도를 받습니다. 알렉시스는 데이터와 그 응용 프로그램에서 인과관계를 연구하며, 인과관계와 머신 러닝을 결합하여 AI 시스템의 안전성과 정렬을 보장하는 방법과 이론에 중점을 둡니다.