上周四20点，今年ICML杰出论文提名奖一作——来自康奈尔大学计算机系的在读博士生陆昱成受邀来到将门TechBeat，直播分享了他本次在ICML的工作：Optimal Complexity in Decentralized Training（去中心化分布式训练的最优复杂度），并与大家进行了实时Q&A交流！

错过直播的同学们也不要遗憾，本文为你们整理了直播视频的回看方式，以及交流分享的精彩片段，赶紧学起来！😏

01 『观看方式』

主题：Optimal Complexity in Decentralized Training

（去中心化分布式训练的最优复杂度）

嘉宾：康奈尔大学计算机系在读博士生陆昱成

地点：TechBeat人工智能社区

https://www.techbeat.net/talk-info?id=566

02 『论文介绍』

去中心化分布式训练的最优复杂度

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『精彩片段』

论文解读精彩片段：

04 『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