题  目：理论视角理解自监督学习

内容简介：自监督学习（Self-Supervised Learning）作为一种无需人工标注的无监督学习方法，在多种任务上取得了优异的表现，成为近期一些列重要工作（CLIP，ChatGPT）中的核心技术之一。本报告将以自监督学习中常见的两种学习范式——对比学习（Contrastive Learning）和掩码学习（Masking Modeling）为例，探究自监督学习背后的工作机理，从理论视角分析其优化过程和下游泛化能力，期望为自监督学习的算法设计提供一些新的见解。

报告人：王奕森

报告人简介：北京大学助理教授，博士生导师。主要研究方向为机器学习理论和算法，重点关注自监督学习、可信机器学习、图学习等。目前已发表机器学习三大顶会ICML/NeurIPS/ICLR文章40余篇，多篇被选为Oral或Spotlight，曾获ECML 2021最佳论文奖。主持科技创新2030“新一代人工智能”重大项目课题，基金委“下一代人工智能”重大研究计划等项目。

时  间：2024年1月3日（周三）上午9：00——11：00

地  点：番禺校区实验楼D1座401会议室

热烈欢迎广大师生参加!

信息科学技术学院/网络空间安全学院

2024年1月2日