报告人：李志滨 博士(后)
单位：澳大利亚联邦科学与工业研究组织
题目：大规模类别数据模型及泛化误差研究
时间：2021年10月22日 14:00
地点：L101
摘要：
有许多机器学习任务涉及类别数据，包括广告点击预测、推荐系统、web搜索等。现代数据集的规模已经变得前所未有的大，对于类别数据集，更多的样本通常会涉及更多的特征。稀疏性是大规模类别数据集的固有属性，对于特征交互的学习可能会产生困难。我们讨论了一类适用于类别数据的常见模型，并对过参数化模型的泛化误差进行了分析。
报告人简介：
李志滨，澳大利亚悉尼科技大学博士，澳大利亚联邦科学与工业研究组织博士后。2021年博士毕业于悉尼科技大学，同年进入到澳大利亚联邦科学与工业研究组织，开展博士后研究工作。在Neurips，KDD，AAAI，IJCAI，ACMMM，TKDE，IJCV，TMM等顶级会议和学术期刊发表论文10余篇。其中，以第一作者在Neurips，KDD，IJCV等顶级会议/期刊上发表论文多篇。
