題  目：理論視角理解自監督學習

内容簡介：自監督學習（Self-Supervised Learning）作為一種無需人工标注的無監督學習方法，在多種任務上取得了優異的表現，成為近期一些列重要工作（CLIP，ChatGPT）中的核心技術之一。本報告将以自監督學習中常見的兩種學習範式——對比學習（Contrastive Learning）和掩碼學習（Masking Modeling）為例，探究自監督學習背後的工作機理，從理論視角分析其優化過程和下遊泛化能力，期望為自監督學習的算法設計提供一些新的見解。

報告人：王奕森

報告人簡介：北京大學助理教授，博士生導師。主要研究方向為機器學習理論和算法，重點關注自監督學習、可信機器學習、圖學習等。目前已發表機器學習三大頂會ICML/NeurIPS/ICLR文章40餘篇，多篇被選為Oral或Spotlight，曾獲ECML 2021最佳論文獎。主持科技創新2030“新一代人工智能”重大項目課題，基金委“下一代人工智能”重大研究計劃等項目。

時  間：2024年1月3日（周三）上午9：00——11：00

地  點：番禺校區實驗樓D1座401會議室

熱烈歡迎廣大師生參加!

太阳集团1088vip/網絡空間安全學院

2024年1月2日