宾夕法尼亚大学最新《不确定性估计》课程笔记，134页pdf，附Slides

在本课程中，我们将学习机器学习、统计学和计算机科学中的现代技术，以估计黑匣子预测的不确定性。这包括共形预测、校准和多重校准、结果不可区分性，以及在没有任何分布假设的情况下产生最坏情况经验覆盖保证的最新技术。在此过程中，我们将探索这些技术在领域适应问题上的应用，以及它们在解决下游优化问题、经济和机制设计以及算法公平性方面的应用。

目录内容：

Conformal Prediction

• Exchangeable Data: Full and Split Conformal Prediction

• Distribution Shift and Time Series Data

• Adaptive/Adversarial Conformal Prediction

• Threshold Calibrated Multivalid Conformal Prediction

(Multi)Calibration

• Proper Scoring Rules, Calibration, and Regret

• Algorithms for offline (batch) multicalibration

• Algorithms for online (adversarial) multicalibration

• Moment Multicalibration

• Applications of Multicalibration

• Downstream Unconstrained Optimization (Omnipredictors)

• Downstream Constrained Optimization

• Proxies for Downstream Measurement

• Distribution Shift

Tests and Predictors

• Ignorantly Passing Tests: Possibility and Hardness

• Outcome Indistinguishability

Other Topics

• Smooth Calibration

• Applications of Calibration in Mechanism Design

• The Reference Class Problem

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“U134” 就可以获取《宾夕法尼亚大学最新《不确定性估计》课程笔记，134页pdf，附Slides》专知下载链接

                       

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取100000+AI(AI与军事、医药、公安等)主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取100000+AI主题知识资料