Michal Valko (INRIA, Francúzsko): Sequential learning on graphs with limited feedback

 © Inria / Photo C. Morel

In this talk, we investigate the structural properties of certain sequential decision-making problems with limited feedback (bandits) in order to bring the known algorithmic solutions closer to a practical use including, online influence maximization or sequential recommender systems. To address these structured settings, we can always ignore the graph and use known algorithms for multi-armed bandits. However, their performance scales unfavorably with the number of nodes N, which is undesirable when N means a thousand of sensors or a million of movies. We describe several graph bandit problems and show how to use their graph structure to design new algorithms with faster learning rates, scaling not with N but with graph-dependent quantities, often much smaller than N in real-world graphs.

Michal Valko absolvoval magisterské štúdium informatiky na FMFI UK v Bratislave, doktorandské štúdium ukončil na University of Pittsburgh v oblasti machine learning a habilitáciu v sequential machine learning obhájil na École Normale Supérieure de Cachan. Od roku 2011 pôsobí ako vedecký pracovník v tíme SequeL na Francúzskom národnom inštitúte pre informatiku a aplikovanú matematiku - Inria. Hlavnou oblasťou jeho výskumu je machine learning, kde sa špecializuje na metódy, ktoré minimalizujú objem dát, ktoré treba poskytnúť algoritmom predtým, než začnú byť užitočné.

Jiří Materna (Seznam.cz): Aplikace strojového učení ve fulltextovém vyhledávání

Velká část veřejných informací je dnes k dispozici na internetu v elektronické podobě. Ve většině případů však neznáme přesné umístění odpovědí na naše otázky a jsme zvyklí pro jejich nalezení používat internetové vyhledávače jako jsou Seznam nebo Google. Zatímco v době vzniku prvních vyhledávačů se pro nalezení nejrelevantnějších odpovědí používaly jednoduché algoritmy a pravidlové systémy, dnes už se téměř ve všech částech vyhledávače využívá síly a robustnosti strojového učení.

Zajímá vás, jak moderní vyhledávače fungují a jaké problémy je ve fulltextovém vyhledávání třeba řešit? V této přednášce si představíme obecnou architekturu fulltextového vyhledávače a zaměříme se na vybrané aplikace strojového učení ve vyhledávání. Typickými příklady jsou porozumění dotazu, řazení výsledků nebo využití hlubokých neuronových sítí pro zpracování textové i obrazové informace.

Jiří Materna vystudoval obor informatika na Fakultě informatiky Masarykovy univerzity, kde také získal doktorát v oboru Umělá inteligence a počítačová lingvistika. Od roku 2008 je zaměstnán ve společnosti Seznam.cz, kde nyní zastává pozici vedoucího výzkumného oddělení. Je zakladatel a spoluorganizátor konference Machine Learning Prague, mentorem podnikatelského akcelerátoru StartupYard a autorem blogu o strojovém učení www.mlguru.cz. Mezi jeho odborné zájmy patří strojové učení, zpracování přirozeného jazyka, information retrieval, statistika a obecně řešení těžkých problémů z oblasti informatiky s aplikacemi v běžném životě.

Ľuboš Buzna (Žilinská univerzita): Equitable Distribution of Scarce Resources in Transportation Networks

Problem of fair allocation of scarce resources appears in many applications on networks. The basic dilemma is between how much of importance to attribute to individual outcomes and to what extend to prioritize the value of the aggregate outcome. High values of the aggregate outcome are often associated with situations when some individual actors receive no or very little allocation. Conversely, equitable distributions may lead to very low aggregate outcome and thus very low efficiency of the system. In this contribution, we describe the basic optimization framework, alpha-fairness, that allow for trading off the degree of equality and the overall efficiency of the system by capturing the utilities of individual actors by the utility function. We illustrate the broad applicability of alpha-fairness by introducing three applications.

Ľuboš Buzna získal titul PhD po absolvovaní štúdia v roku 2003 na Žilinskej Univerzite v Žiline. V minulosti pracoval viac ako 5 rokov v zahraničí (Technická univerzita v Dráždanoch, ETH Zurich, Univerzita v Barcelone) ako výskumný pracovník. Pracoval na projektoch zaoberajúcich sa dôsledkami prírodných katastrof, ochrane kritických infraštruktúr a vývojom optimalizačných modelov a metód. Od roku 2010 je docentom na Fakulte riadenia a informatiky v odbore Aplikovaná Informatika. Jeho súčasné záujmy zahŕňajú aplikáciu optimalizačných metód v dopravných sieťach, v elektrických sieťach a iných komplexných systémoch. Jeho publikačných zoznam obsahuje celkovo viac ako 35 publikácií, z toho 14 v zahraničných karentovaných časopisoch. Za ohlas na svoje publikácie získal v roku 2013 ocenenie od Literárneho fondu.