本期为TechBeat人工智能社区第388期线上Talk。北京时间3月10日(周四)20:00，密西根州立大学在读博士生——许涵的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是: “机器学习模型的鲁棒性，公平性以及它们的关联”，届时将分享近期的研究成果，并重点以鲁棒性与平等性为例，来介绍这些特性的密切关联。

Talk·信息

主题：机器学习模型的鲁棒性，公平性以及它们的关联

嘉宾： 密西根州立大学在读博士生许涵

时间：北京时间 3月10日 (周四) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

完整版怎么看？

扫描下方二维码，或复制链接https://datayi.cn/w/GPnxreO9至浏览器，一键完成预约！上线后会在第一时间收到通知哦

Talk·提纲

机器学习技术的发展使得它们被广泛应用于各个领域。这使得人们不仅仅关心它们的高性能（performance），同时关心它们的其他特性，包括他们的安全性与鲁棒性（robustness），平等性（fairness）以及隐私性（privacy）等等。针对每一个特性，目前的研究已经取得了长足的进步。然而，这些特性是否是相互关联的呢？如果一个机器学习模型需要同时满足这些特性，我们要采取什么策略呢？在本次讲座中，我们将分享近期的研究成果，并重点以鲁棒性与平等性为例，来介绍这些特性的密切关联。

具体分享提纲如下：

1. 什么是机器学习模型对于对抗攻击的鲁棒性

2. 什么是机器学习模型的平等性

3. 鲁棒性与公平性的内在联系

4. 如何训练机器学习模型同时满足鲁棒性与公平性

Talk·提问交流

通过以下两种方式提问都将获得微信现金红包奖励哦！

方式 ①

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

方式 ②

在本文留言区直接提出你的问题，或扫描下方二维码提问！

Talk·嘉宾介绍

许涵(Han Xu)，密西根州立大学四年级在读博士生，师从汤继良(Jiliang Tang)教授，目前从事机器学习和深度学习方面的研究。主要研究方向包括对抗攻击与防御（adversarialattack & defense），以及模型鲁棒性（robustness），公平性（fairness）以及隐私性（privacy）。

个人主页：

https://cse.msu.edu/~xuhan1/

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