本周为TechBeat人工智能社区第281期线上Talk，也是NeurIPS 2020系列Talk的第⑫弹！

北京时间3月3日(周三)晚8点，MIT在读博士生—杨宇喆的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的NeurIPS 2020工作主题是: “数据不平衡学习：从半监督、自监督到不平衡回归”。届时将介绍两种新的不平衡学习框架，以及他和团队的最新工作：深度不平衡回归问题。

如何回看NeurIPS全部内容？👇

登陆TechBeat人工智能社区

https://www.techbeat.net/

搜索关键词【NeurIPS】

或点击【Talk-系列Talk】即可~

更多精彩

尽在TechBeat人工智能社区！

Talk·信息

▼

主题：数据不平衡学习——

从半监督、自监督到不平衡回归

嘉宾：MIT在读博士生 杨宇喆

时间：北京时间 3月3日 (周三) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

长按识别二维码，一键完成预约！

Talk·提纲

▼

数据不平衡问题在现实世界非常普遍。对于真实数据，不同类别的数据量往往是不平衡的，这对深度模型的学习造成了不小的挑战。

设计相应的学习算法，让模型在数据量多的类别、区域内表现好，并同时能在数据量少甚至没有数据的区域内同样具备很好的泛化性能，对实际问题具有非常重要的指导意义。

本次分享的主要内容如下：

1. 主要介绍两种不同的、新的不平衡学习框架，它首次证明了半监督学习和自监督学习均能显著提升不平衡学习的数据结果 (NeurIPS 2020)。 

2. 主要介绍团队的最新工作：深度不平衡回归问题。目前，针对不平衡数据的学习方法几乎都是对分类问题的研究，但现实中很多任务都具有连续的标签，传统方法很可能不再适用。我们将深入探讨如何应对、处理具有连续目标的不平衡数据。

Talk·参考资料

▼

这是本次分享中将会提及的资料，建议提前预习哦！

1. Rethinking the Value of Labels for Improving Class-Imbalanced Learning

论文链接：https://arxiv.org/abs/2006.07529

代码链接：https://github.com/YyzHarry/imbalanced-semi-self

2. Delving into Deep Imbalanced Regression

论文链接：https://arxiv.org/abs/2102.09554

代码链接：https://github.com/YyzHarry/imbalanced-regression

3. 中文版论文解读：

https://zhuanlan.zhihu.com/p/259710601

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

▼

杨宇喆，MIT EECS三年级在读博士生，师从Dina Katabi教授，本科毕业于北京大学。他的研究方向是机器学习、无线感知系统和医疗AI领域的交叉，主要关注基于深度学习的无接触式的人体健康感知与监测。

此外，杨宇喆也致力于开发更加鲁棒的机器学习算法与模型，以及更高效的强化学习算法。他的工作发表于ICML、CVPR、NeurIPS、ICLR等顶级期刊和会议，并被MIT Technology Review、TechCrunch、Engadget等多个主流媒体报道。

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！