北京时间8月5日（周四）晚20点，我们特别邀请到今年ICML【杰出论文奖提名】获得者、来自康奈尔大学计算机系的在读博士生陆昱成，来到TechBeat与大家直播分享他本次在ICML的工作：Optimal Complexity in Decentralized Training（去中心化分布式训练的最优复杂度）。

📣 报名截止至今晚18点，报名通过后告知会议地址、并加入ICML讨论群！

01 『报名信息』

分享主题：Optimal Complexity in Decentralized Training（去中心化分布式训练的最优复杂度）

分享嘉宾：康奈尔大学计算机系在读博士生 陆昱成

活动时间：北京时间8月5日 (周四) 20:00-21:00

活动地点：腾讯会议、B站直播间

活动议程：

• 嘉宾介绍ICML工作—30min

• 互动抽奖

• Free Q&A—20min

02 『论文介绍』

随着机器学习模型和数据量的增大，大规模分布式训练决定了模型部署的效率。去中心化，作为一种经典的分布式系统设计原型，近年来在扩展机器学习规模上显示出良好的效率和鲁棒性。本文基于此背景，探究了不同去中心化系统下训练复杂度的理论极限；并进一步提出了两种算法，其复杂度可以达到该理论极限。

论文链接：http://proceedings.mlr.press/v139/lu21a/lu21a.pdf

03 『嘉宾介绍』

陆昱成，康奈尔大学计算机系三年级博士生，师从Christopher De Sa教授。他本科毕业于上海交通大学电子系，曾在宾夕法尼亚大学分布式系统实验室做访问学者，并曾实习于亚马逊，微软等公司的机器学习实验室。他的研究方向为大规模机器学习系统，随机和并行优化算法。他曾获得过康奈尔大学2018博士生奖学金，ICML2021杰出论文提名奖等。

- The End -

关于TechBeat人工智能社区

TechBeat (www.techbeat.net)是一个荟聚全球华人AI精英的成长社区。 我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。 期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ