Description : Description : Description : Description : Description : Description : Description : Description : Description : Description : Description : http://www.iro.umontreal.ca/%7Ebrassard/SEMINAIRES/udem_logo.gif  Description : Description : Description : Description : Description : Description : Description : Description : Description : Description : Description : http://www.iro.umontreal.ca/%7Ebrassard/SEMINAIRES/faculte_a4.gif

Colloque du
Département d'informatique et de recherche opérationnelle

 


 

 

  John Langford

Microsoft Research

 

Learning from Lots of Data

 

Résumé :

 

In the last decade, sources of data for machine learning have become extremely plentiful, leading to new classes of problems. I will discuss two such problems, whose joint solution is critical to successful learning here:

(1) How do you create learning algorithms capable of coherently dealing with large quantities of data?

(2) How do you learn given the partial feedback nature available in most large scale data sources?

In addition, I'll discuss some open problems which I'd like to solve in these areas. .

 

 

 

Description : Description : Description : Description : Description : Description : Description : Description : Description : Description : Description : http://www.iro.umontreal.ca/%7Ebrassard/SEMINAIRES/birds.gif

Le mercredi 5 juin 2013, 10h00, pavillon André-Aisenstadt, salle 3195
Information : Gilles Brassard, brassard@iro.umontreal.ca