EVENTO
Data-driven Model Selection: A Strategy for Subset Models Trainnig
Tipo de evento: Exame de Qualificação
TRADICIONALMENTE, ASSUME-SE QUE A PRECISÃO DE UM MODELO DE APRENDIZADO DE MÁQUINA AUMENTA, NA MEDIDA QUE O TREINAMOS COM MAIS INFORMAÇÃO O QUE EXIGE O USO DE ESTRUTURA DE COMPUTAÇÃO DE ALTO DESEMPENHO. A CAPACIDADE COMPUTACIONAL EXIGIDA PARA CONSTRUÇÃO E ESTUDO DE MODELOS SOBRE GRANDES CONJUNTOS DE DADOS FICA ASSIM RESTRITA SOMENTE A ALGUMAS ORGANIZAÇÕES. MESMO QUE A QUALIDADE PREDITIVA GERAL DE UM MODELO SEJA BOA, SUA PERFORMANCE NÃO É HOMOGÊNEA SOBRE TODO O ESPAÇO DE DADOS. POR EXEMPLO, A LITERATURA SOBRE A JUSTIÇA ALGORÍTMICA DE MODELOS ABORDA COMUMENTE DIFERENÇAS DE PRECISÃO EM DIFERENTES GRUPOS DEMOGRÁFICOS. O TRABALHO PROPOSTO OBJETIVA APRESENTAR UMA ESTRATÉGIA DE CONSTRUÇÃO DE MODELOS TREINADOS SOBRE SUBCONJUNTOS DE DADOS. COM ISSO, ESPERAMOS QUE O TREINAMENTO SEJA MENOS CUSTOSO, SEM A PERDA DE QUALIDADE. ESPERAMOS AINDA O COMPORTAMENTO DO ERRO DE PREDIÇÃO SEJA HOMOGÊNEO AO LONGO DO ESPAÇO DE DADOS. PARA TANTO, ASSUMIMOS A HIPÓTESE DE QUE É POSSÍVEL ESTABELECER UM PROCESSO BASEADO EM CARACTERÍSTICAS DO DADO, QUE PERMITA A CONSTRUÇÃO DE UM CONJUNTO DE MODELOS. ASSUMIMOS AINDA QUE O CONJUNTO DE MODELOS É CAPAZ DE SUBSTITUIR UM MODELO QUE SEJA TREINADO SOBRE O CONJUNTO DE DADOS.Evento PresencialLocal: Auditório B
Data Início: 24/04/2024 Hora: 10:00 Data Fim: 24/04/2024 Hora: 13:00
Local: LNCC - Laboratório Nacional de Computação Ciêntifica - Auditorio B
Aluno: Victor de Paula Dornellas Ribeiro - - LNCC
Orientador: Fabio André Machado Porto - Laboratório Nacional de Computação Científica - LNCC
Participante Banca Examinadora: Gilson Antônio Giraldi - Laboratório Nacional de Computação Científica - LNCC Pablo Javier Blanco - Laboratório Nacional de Computação Científica - LNCC Patrick Valduriez - INRIA - FRA
Suplente Banca Examinadora: Antônio Tadeu Azevedo Gomes - Laboratório Nacional de Computação Científica - LNCC
