Learning Subjectively Interesting Data Representations

Promovendus/a
Bo Kang
Faculteit
Faculteit Ingenieurswetenschappen en Architectuur
Vakgroep
Vakgroep Elektronica en Informatiesystemen
Curriculum
Master of Science (Computer Science) Rheinische Friedrich-Whilhelm-Universität Bonn, Duitsland, 2015
Academische graad
Doctor in de ingenieurswetenschappen: computerwetenschappen
Taal proefschrift
Engels
Promotor(en)
prof. Tijl De Bie, vakgroep Elektronica en Informatiesystemen - dr. Jefrey Lijffijt, vakgroep Elektronica en Informatiesystemen
Examencommissie
voorzitter prof. Gert De Cooman (ere-onderwijsdirecteur) - prof. Remco Chang (Tufts University, Medford, USA) - prof. Tijl De Bie (Vakgroep Elektronica en Informatiesystemen) - prof. Thomas Demeester (Vakgroep Informatietechnologie) - prof. Jefrey Lijffijt (Vakgroep Elektronica en Informatiesystemen) - dr. Raúl Santos-Rodríguez (University of Bristol, United Kingdom) - prof. Sofie Van Hoecke (Vakgroep Elektronica en Informatiesystemen)

Korte beschrijving

Methodes voor het leren van representaties maken het mogelijk machine learning algoritmen toe te passen op complex-gestructureerde data zoals sociale netwerken, beelden en spatiale data. Deze methoden spelen een belangrijke rol in de exploratieve analyse van dergelijke data alsook in het door data gedreven nemen van beslissingen. Deze thesis introduceert een nieuw mathematisch-principieel raamwerk voor het leren van representaties waarbij voorkennis van data meegenomen kan worden. The onderzoekshypothese is dat dit raamwerk het mogelijk maakt informatievere representaties af te leiden en ook het iteratief leren van informatieve representaties. Dit maakt vervolgens weer een nieuwe manier van human-in-the-loop data-exploratie mogelijk en verhoogd de algemene kwaliteit van machine learning modellen en voorspellingen. De onderzoekshypothese is gevalideerd door middel van empirische onderzoeken in een vijftal datawetenschapstaken waarvan de resultaten aanleiding geven tot een positief antwoord op de onderzoekshypothese. We verwachten dat de resultaten van dit onderzoek een brede impact zullen hebben op zowel het onderzoek als de praktijk van machine learning en datawetenschap.

Praktisch

Wanneer
Dinsdag 17 december 2019, 16:00
Waar
auditorium P Jozef Plateau, gelijkvloers, Jozef Plateaustraat 22, 9000 Gent

Meer info

Contact
doctoraat.ea@UGent.be