文章详情
您所在位置:首页 > 新闻通知 > 微软AI讲堂2018-西安电子科技大学站

微软AI讲堂2018-西安电子科技大学站

2018-04-04来源: 浏览次数:

时间:201847, 15:00-16:30

地点:西安电子科技大学  主楼三区430会议室

微软AI大讲堂西安站,届时有两位微软研究员为大家带来精彩的报告。

报告一:Symbolic Learning

演讲人:邵斌博士  微软亚洲研究院机器学习组主管研究员

邵斌,博士,微软亚洲研究院机器学习组主管研究员;他在2010年7月获得复旦大学博士学位后加入微软亚洲研究院。邵斌博士带领团队研究和开发了微软开源图引擎(Microsoft Graph Engine) ,一个分布式超大规模实时图处理系统。相关研究结果发表在SIGMOD, VLDB, ICDE, TPDS等相关领域顶级会议和期刊上。他的主要研究兴趣包括并行图处理、机器学习、分布式系统和内存数据库等.


报告摘要: Deep learning is a very successful approach to many challenging problems. It builds models for the observed portion of the data without trying to figure out the law governing the system that produces the data. In this talk, Dr. Shao will present some exploratory results on the other side of the coin: symbolic learning. Symbolic learning is a computational approach that learns interpretable symbolic models from data. Its goal is to identify the inherent inter-sample constraints and discover the underlying symbolic laws governing the system. A symbolic approach called proactive symbolic regression will be briefly introduced to demonstrate how symbolic laws can be learned from a small set of proactively selected samples.



报告二:AI For Quantitative Investment

演讲人:赵立博士 微软亚洲研究院 机器学习组副研究员

赵立,微软亚洲研究院机器学习组副研究员。2011 6月在清华大学计算机科学与技术系获得学士学位,20166月在清华大学计算机科学与技术系获得博士学位。

主要研究内容包括:深度学习,强化学习,自然语言处理,情感分析。在国际顶级会议上发表了多篇论文(包括:IJCAIAAAIEMNLPCIKM等)。


报告摘要: 量化投资需要我们基于复杂的数据做出投资决策。为了更好的挖掘隐藏在复杂数据背后的规律,我们尝试用机器学习的方法来建模量化投资问题。基于机器学习的量化投资研究,同时具有极大的实用性和极大的挑战。这些都使得这个研究方向非常的有价值。实用性来自量化投资本身能够给投资者带来巨大的收益,优化资产配置,使得资金的流向最大化整体收益。挑战性则来自金融数据本身的特性。金融数据有如下特点:数据噪音大,市场规律并非一成不变,优化目标需要平衡多方面因素,以及投资者本身的非理性特性。在本次报告中,我们会简单介绍我们针对这些特性展开的一系列的研究。


  • 上一篇文章:关于申报2018年华盛顿大学大数据短期交流项目的通知
  • 下一篇文章:关于申报2018年度英国剑桥暑期学术交流项目的通知----电子工程学院首次全额资助项目
  • 返回顶部