题目: Machine Learning Meets Big Spatial Data

简介: 生成数据量的激增推动了可伸缩的机器学习解决方案的兴起,从而可以有效地分析此类数据并从中提取有用的见解。同时,近年来,空间数据已经变得无处不在,例如GPS数据。大空间数据的应用涉及广泛的领域,包括跟踪传染病,模拟气候变化,吸毒成瘾等等。因此,通过提供对现有机器学习解决方案的空间扩展或从头开始构建新的解决方案,人们付出了巨大的努力来支持这些应用程序内部的有效分析和智能。在这个90分钟的教程中,我们全面回顾了机器学习和大空间数据交汇处的最新技术。我们涵盖了机器学习三个主要领域中的现有研究工作和挑战,即数据分析,深度学习和统计推断,以及两个高级空间机器学习任务,即空间特征提取和空间采样。我们还强调了该领域未来研究中存在的开放性问题和挑战。

嘉宾介绍: Ibrahim Sabek是明尼苏达大学计算机科学与工程系的博士候选人。 他获得了理学硕士学位。 他于2017年在同一部门获得博士学位。他的研究兴趣在于大空间数据管理,空间计算和可伸缩机器学习系统之间的交叉领域。 易卜拉欣已获得ACM SIGSPATIAL 2018最佳论文奖的提名,并获得了ACM SIGMOD学生研究竞赛(SRC)2017决赛阶段的资格。在博士期间,他与NEC Labs America和Microsoft Research(MSR)合作 )。 易卜拉欣在ACM TSAS,IEEE ICDE,ACM SIGSPATIAL,IEEE TMC等顶级研究机构发表了许多论文,并在VLDB和ACM SIGMOD上展示了他的工作。

Mohamed F.Mokbel是卡塔尔计算研究所的首席科学家,也是明尼苏达大学的教授。 他目前的研究兴趣集中于大空间数据和应用程序的系统和机器学习技术。 他的研究工作已获得VLDB十年最佳论文奖,四个会议最佳论文奖和NSF职业奖。 除了在其他社区的一线场所(包括IEEE ICDM和ACM CCS)的教程之外,穆罕默德还在VLDB / SIGMOD / ICDE / EDBT会议上提供了六篇教程。 这些教程都不会与本教程建议重叠。 穆罕默德(Mohamed)是ACM SIGPATIAL的当选主席,目前是分布式和并行数据库期刊的主编,并且是ACM Books,ACM TODS,VLDB Journal,ACM TSAS和GoeInformatica期刊的编辑委员会成员。

成为VIP会员查看完整内容
0
22

相关内容

Mohamed F.Mokbel是卡塔尔计算研究所的首席科学家,也是明尼苏达大学的教授。 他目前的研究兴趣集中于大空间数据和应用程序的系统和机器学习技术。 他的研究工作已获得VLDB十年最佳论文奖,四个会议最佳论文奖和NSF职业奖。 除了在其他社区的一线场所(包括IEEE ICDM和ACM CCS)的教程之外,穆罕默德还在VLDB / SIGMOD / ICDE / EDBT会议上提供了六篇教程。 这些教程都不会与本教程建议重叠。 穆罕默德(Mohamed)是ACM SIGPATIAL的当选主席,目前是分布式和并行数据库期刊的主编,并且是ACM Books,ACM TODS,VLDB Journal,ACM TSAS和GoeInformatica期刊的编辑委员会成员。

机器学习暑期学校(MLSS)系列开始于2002年,致力于传播统计机器学习和推理的现代方法。今年因新冠疫情在线举行,从6月28号到7月10号讲述了众多机器学习主题。本文推荐来自帝国理工学院Michael Bronstein教授讲述《几何深度学习》,166页ppt系统性讲述了几何深度学习基础知识和最新进展,非常干货。

地址: http://mlss.tuebingen.mpg.de/2020/schedule.html

作者介绍 Michael Bronstein,伦敦帝国理工学院教授,Twitter 图机器学习研究负责人,CETI 项目机器学习领导、Twitter 图机器学习负责人、研究员、教师、企业家和投资者。

https://www.imperial.ac.uk/people/m.bronstein

几何深度学习

在过去的几年,深度学习方法在多个领域取得了前所未有的成就,比如计算机视觉和语言识别。目前研究者主要将深度学习方法应用于欧氏结构数据,然而有些非常重要的应用需要处理非欧氏空间结构的数据,比如图和流形。这些几何数据在许多任务重的重要性越来越多高,比如3D视觉、传感网络、药品研发、生物医药、推荐系统以及各种web程序。深度学习在这些方面的应用有着明显的滞后,这是因为处理的对象的非欧性质使得在深层网络中对其基本操作的定义相当麻烦。

本教程的目的是介绍几何深度学习在图和流形数据上的最新成果,并综述针对这些问题的解决方法、关键难点和未来的研究方向。

成为VIP会员查看完整内容
0
57

教程题目:Adversarial Machine Learning

教程简介

近年来,机器学习在广泛的行业和应用领域得到了显著的普及。机器学习技术的许多应用本质上是对抗性的,因为其目标是将“坏的”实例与“好的”实例区分开来。事实上,对抗性的使用远远超出了这个简单的分类示例:对恶意软件的法医分析,包括集群、异常检测,甚至自动驾驶汽车上的视觉系统,都可能受到攻击。针对这些问题,出现了一个关于对抗性机器学习的新兴文献,它涵盖了对机器学习算法漏洞的分析,以及产生更健壮学习的算法技术。

本教程将从网络安全和机器学习研究领域中广泛调查这些问题和技术。特别考虑了对抗性分类器规避(攻击者改变行为以避免被检测到)和训练数据本身已损坏的问题。还讨论了逃避攻击和中毒攻击,首先讨论了分类器,然后讨论了其他学习范例和相关的防御技术。然后,我们考虑用于攻击和防御神经网络的专门技术,特别是专注于深度学习技术及其对逆向构建实例的脆弱性。

组织者:

Bo Li是伊利诺伊大学香槟分校计算机科学系的助理教授。她的研究兴趣在于对抗性的深度学习、安全性、隐私和博弈论。她开发并分析了可伸缩的健壮学习框架,用于在对抗规避攻击的环境中学习算法。她还分析了物理世界中对抗学习算法的行为。她是赛门铁克研究实验室研究生奖学金的获得者。她于2016年获得范德比尔特大学博士学位。

Dawn Song是加州大学伯克利分校电气工程和计算机科学系的教授。她的研究兴趣在于深度学习和安全性。她研究了计算机系统和网络中的各种安全和隐私问题,包括从软件安全、网络安全、数据库安全、分布式系统安全、应用密码学到机器学习和安全的交叉领域。她是获得各种奖项,包括麦克阿瑟奖学金,古根海姆奖学金,NSF事业奖,斯隆研究奖学金,麻省理工学院技术评论TR-35奖,乔治Tallman Ladd研究奖,小川基金会研究奖,李嘉诚基金会女性在科学卓越系列讲座奖,教师从IBM研究奖,谷歌和其他主要科技公司,从上会议最佳论文奖。她在加州大学伯克利分校获得了博士学位。在加入加州大学伯克利分校之前,她曾于2002年至2007年在卡内基梅隆大学(Carnegie Mellon University)担任助理教授。

Yevgeniy Vorobeychik是圣路易斯华盛顿大学计算机科学与工程学院的副教授。此前,他是桑迪亚国家实验室的首席研究科学家。2008年至2010年,他是宾夕法尼亚大学计算机与信息科学系的博士后研究员。他获得了密歇根大学的计算机科学与工程博士学位(2008)和硕士学位(2004),以及西北大学的计算机工程学士学位。他的工作重点是安全与隐私的博弈论建模,对抗机器学习,算法和行为博弈论和激励设计,优化,基于代理的建模,复杂系统,网络科学,流行病控制。Vorobeychik博士在2017年获得了美国国家科学基金会职业成就奖,并受邀发表了ijcai16早期职业聚焦演讲。他被提名为2008年ACM博士学位论文奖,并获得了2008年IFAAMAS杰出论文奖的荣誉奖。

教程ppt下载链接: 链接:https://pan.baidu.com/s/1YDWJ2lFhiLRtNDpH4YyZLg 提取码:ccra

成为VIP会员查看完整内容
0
19

报告名称: Deep Geometric Learning of Big Data and Applications

报告摘要: 深度学习技术在计算机视觉,自然语言处理和语音分析方面取得了令人印象深刻的性能。这些任务专注于位于欧几里得域上的数据,并且针对这些域的数学工具(例如卷积,下采样,多尺度和局部性)已得到明确定义,并受益于GPU等快速计算硬件。但是,许多基本数据和任务都涉及非欧几里德领域,而这些领域最初并不是为深度学习方法设计的。例如计算机图形学中的3D点云和3D形状,大脑结构连接网络中的功能性MRI信号,基因组学中基因调控网络的DNA,量子化学中的药物设计,高能物理中的中微子检测以及常见的知识图理解视觉场景。这一主要局限性促使近年来的研究界将神经网络推广到任意的几何域,例如图形和流形。卷积,粗化,多分辨率,因果关系等基本操作已通过频谱和空间方法进行了重新定义。这些非欧氏数据分析问题的最新结果显示了在许多领域中都有希望的令人振奋的新工具。

该研讨会的目标是:1)召集数学家,机器学习科学家和领域专家,以建立这些新兴技术的现状; 2)讨论用于分析这些新的深度学习技术的框架; 3)确立新的研究方向以及这些技术在神经科学,社会科学,计算机视觉,自然语言处理,物理学,化学中的应用,以及4)讨论了GPU以外的适用于非欧几里德领域的新计算机处理体系结构。

邀请嘉宾: Jure Leskovec,斯坦福大学计算机科学副教授。 研究重点是对大型社会和信息网络进行挖掘和建模,它们的演化,信息的传播以及对它们的影响。 调查的问题是由大规模数据,网络和在线媒体引起的。

Stanley Osher,加州大学洛杉矶分校 IPAM 数学与计算机科学教授,电气工程与化学和生物分子工程教授。

报告部分大纲:

  • 自动微分,PyTorch和图形神经网络
  • 深度学习作为稀疏性强制算法
  • 语义3D重建
  • 高维几何的视角
  • 稳健性与准确性
  • 异质分子结构定位中的逆问题和无监督学习
成为VIP会员查看完整内容
0
8

报告主题:Syn­ergy of Data­base Tech­niques and Ma­chine Learn­ing Mod­els for String Sim­il­ar­ity Search and Join

报告摘要:字符串数据无处不在,字符串相似性搜索和连接对于信息检索,数据集成,数据清理以及大数据分析的应用至关重要。为了支持这些操作,数据库和机器学习领域中的许多技术已独立提出。更确切地说,在数据库研究领域,存在基于过滤和验证框架的技术,这些技术不仅可以实现高性能,而且还可以为给定的相似度函数提供保证的结果质量。在机器学习研究领域中,字符串相似性处理被建模为识别相似文本记录的问题。具体来说,深度学习方法使用将文本映射到低维连续向量空间的嵌入技术。 在本教程中,我们回顾了大量关于字符串相似性搜索的研究,并加入了这两个研究领域。我们将每个领域的研究划分为不同的类别。对于每个类别,我们都会对相关作品进行全面审查,并介绍这些解决方案的详细信息。在结束本教程时,我们将为未来的工作指明可行的方向,以结合这两个领域的技术。

邀请嘉宾: Lin Chunbin是Amazon Web Services(AWS)的软件工程师,正在研究AWS Redshift。 于2018年在加利福尼亚大学圣地亚哥分校(UCSD)获得计算机科学博士学位。研究兴趣是数据库管理和大数据管理。 他在SIGMOD,VLDB,VLDB J和TODS等上发表了20多篇期刊和会议论文。

陆嘉恒,芬兰赫尔辛基大学的副教授。 他的主要研究兴趣在于大数据管理和数据库系统,尤其是对来自现实生活中的高效数据处理,海量数据存储库和Web的挑战。 他撰写了四本有关Hadoop和NoSQL数据库的书,并在SIGMOD,VLDB,TODS和TKDE等上发表了70多篇期刊和会议论文。

Jin Wang是美国加州大学洛杉矶分校的四年级博士生。 在加入UCLA之前,他于2015年获得清华大学计算机科学硕士学位。他的研究兴趣主要在于数据管理和文本分析领域。 他在顶级会议和期刊(如ICDE,IJCAI,EDBT,TKDE和VLDB Journal)上发表了10多篇论文。

Chen Li,博士,加州大学欧文分校计算机科学系的教授。 拥有斯坦福大学计算机科学学位。 他的研究兴趣是数据管理领域,包括数据密集型计算,查询处理和优化,可视化以及文本分析。

成为VIP会员查看完整内容
0
8

主题:Deep Learning for Graphs: Models and Applications

摘要:图提供了多种类型的数据的通用表示,而深度学习在表示学习方面显示了巨大的能力。因此,用图连接深度学习提供了机会,使各种现实世界问题的通用解决方案成为可能。然而,传统的深度学习技术对常规网格数据(如图像和序列)具有破坏性,因此不能直接应用于图结构数据。因此,将这两个领域结合起来面临着巨大的挑战。在本教程中,我将全面概述图深度学习的最新进展,包括模型和应用。特别地,我将介绍一些基本概念,回顾最先进算法,并举例说明各种重要的应用。最后,我将通过讨论开放问题和挑战来总结本教程。

嘉宾简介:唐继良(Jiang Tang)自2016年秋季@起担任密歇根州立大学计算机科学与工程系的助理教授。在此之前,他是Yahoo Research的研究科学家,并于2015年从亚利桑那州立大学获得博士学位。他的研究兴趣包括社交计算,数据挖掘和机器学习及其在教育中的应用。他曾获得2019年NSF职业奖,2015年KDD最佳论文亚军和6项最佳论文奖,包括WSDM2018和KDD2016。他是会议组织者(例如KDD,WSDM和SDM)和期刊编辑(例如TKDD)。他的研究成果发表在高排名的期刊和顶级会议论文集上,获得了数千篇引文(Google学术搜索)和广泛的媒体报道。

PPT链接:https://pan.baidu.com/s/1TMv5YsQbwPcRzGy-BkY-bg

成为VIP会员查看完整内容
0
37

主题: Safe and Fair Machine Learning

简介:

在这个演讲将讨论一些我们的未来的工作在一个新的框架设计的机器学习算法,内容包括:1)使得算法的用户更容易定义他们认为是不受欢迎的行为(例如,他们认为是不公平的,不安全,或者成本);2)提供了一个高信任度保证它不会产生一个解决方案,展示了用户定义的不受欢迎的行为。

作者简介:

Philip Thomas是马萨诸塞大学安姆斯特分校信息与计算机科学学院助理教授,自主学习实验室联合主任。之前是卡内基·梅隆大学(CMU)的博士后,2015年,在马萨诸塞州立大学阿默斯特分校(UMass Amherst)获得了计算机科学博士学位。主要研究如何确保人工智能(AI)系统的安全性,重点是确保机器学习(ML)算法的安全性和公平性以及创建安全和实用的强化学习(RL)算法。

成为VIP会员查看完整内容
0
6

题目: Combating Fake News: A Data Management and Mining Perspective

简介: 假新闻是对全球人民的主要威胁,导致人民对政府,新闻和公民社会的信任度下降。社交媒体和社交网络在公众中的流行引起了假新闻的蔓延,其中阴谋论,虚假信息和极端观点盛行。发现假新闻并进行缓解是当今时代的基本问题之一,已引起广泛关注。尽管事实调查网站(政府网站和大型公司,例如Google,Facebook和Twitter)已经采取了初步措施来解决假新闻,但仍有许多工作要做。本教程的目标是双重的。首先,我们希望使数据库社区熟悉其他社区在打击假新闻方面的工作。我们提供相关领域的最新研究成果,包括检测,传播,缓解和干预假新闻。接下来,我们提供数据库社区研究内容的摘要,并讨论如何将其用于抵制假新闻。

嘉宾介绍:

Laks V.S. Lakshmanan是不列颠哥伦比亚大学计算机科学系的教授。 他是BC Advanced Systems Institute的研究员,并于2016年11月被任命为ACM杰出科学家。他的研究兴趣涵盖数据库系统及相关领域的广泛主题,包括:关系数据库和面向对象的数据库,OLAP和数据仓库,数据库挖掘,数据集成,半结构化数据和XML,信息和社交网络及社交媒体,推荐系统和个性化。

Michael Simpson是不列颠哥伦比亚大学计算机科学系的博士后研究员。 他从维多利亚大学获得博士学位。 他的研究兴趣包括数据挖掘,社交网络分析以及图形问题的可伸缩算法设计。

Saravanan(Sara)Thirumuruganathan是HBKU QCRI数据分析小组的科学家。 他在德克萨斯大学阿灵顿分校获得博士学位。 他对数据集成/清理和用于数据管理的机器学习广泛感兴趣。 Saravanan的工作已入选VLDB 2018/2012最佳论文,并获得SIGMOD 2018研究重点奖。

成为VIP会员查看完整内容
0
8
小贴士
相关VIP内容
专知会员服务
64+阅读 · 2020年6月10日
相关论文
Wenwu Zhu,Xin Wang,Peng Cui
18+阅读 · 2020年1月2日
Towards Automated Machine Learning: Evaluation and Comparison of AutoML Approaches and Tools
Anh Truong,Austin Walters,Jeremy Goodsitt,Keegan Hines,C. Bayan Bruss,Reza Farivar
3+阅读 · 2019年9月3日
Taking Human out of Learning Applications: A Survey on Automated Machine Learning
Quanming Yao,Mengshuo Wang,Yuqiang Chen,Wenyuan Dai,Hu Yi-Qi,Li Yu-Feng,Tu Wei-Wei,Yang Qiang,Yu Yang
10+阅读 · 2019年1月17日
Mobile big data analysis with machine learning
Jiyang Xie,Zeyu Song,Yupeng Li,Zhanyu Ma
5+阅读 · 2018年8月2日
Xuefei Ning,Yin Zheng,Zhuxi Jiang,Yu Wang,Huazhong Yang,Junzhou Huang
3+阅读 · 2018年6月18日
Wenbin Li,Jing Huo,Yinghuan Shi,Yang Gao,Lei Wang,Jiebo Luo
7+阅读 · 2018年5月15日
Bowen Wu,Huaming Wu,Monica M. Y. Zhang
4+阅读 · 2018年5月1日
Haque Ishfaq,Assaf Hoogi,Daniel Rubin
3+阅读 · 2018年4月3日
Mohammed E. Fathy,Quoc-Huy Tran,M. Zeeshan Zia,Paul Vernaza,Manmohan Chandraker
9+阅读 · 2018年3月27日
Anand Gupta,Hardeo Thakur,Ritvik Shrivastava,Pulkit Kumar,Sreyashi Nag
3+阅读 · 2017年11月25日
Top