What You Need to Know Before
You Start
Starts 3 June 2025 07:42
Ends 3 June 2025
00
days
00
hours
00
minutes
00
seconds
Savoir quand savoir : gérer les données adversariales en s'abstenant
Explorez la prédiction séquentielle dans des environnements stochastiques avec interférences adverses. Apprenez des stratégies pour gérer les changements de distribution et faire des prédictions confiantes tout en vous abstenant dans les cas incertains.
Simons Institute
via YouTube
Simons Institute
2413 Cours
1 hour
Optional upgrade avallable
Not Specified
Progress at your own speed
Free Video
Optional upgrade avallable
Aperçu
Explorez la prédiction séquentielle dans des environnements stochastiques avec interférences adverses. Apprenez des stratégies pour gérer les changements de distribution et faire des prédictions confiantes tout en vous abstenant dans les cas incertains.
Programme
- Introduction à la Prédiction Séquentielle
- Comprendre l'Interférence Adversariale
- Gérer les Changements de Distribution
- Prédictions Confidentes avec Abstention
- Stratégies pour une Prédiction Séquentielle Robuste
- Évaluer la Performance des Modèles avec des Données Adversariales
- Sujets Avancés
- Applications Pratiques et Outils
- Conclusion et Perspectives d'Avenir
Notions de base des modèles de prédiction séquentielle
Aperçu des contextes stochastiques
Types et sources d'interférence adversariale
Impact des contextes adversariaux sur les prédictions
Identification des changements de distribution
Stratégies pour s'adapter aux changements de distribution
Concept de l'abstention dans les scénarios incertains
Métriques pour l'estimation de la confiance
Techniques pour intégrer l'abstention dans les modèles de prédiction
Approches de modélisation défensive
Incorporation de redondance et de diversité
Techniques de benchmarking
Études de cas et exemples concrets
Fondements théoriques de la robustesse adversariale
Progrès récents dans l'entraînement adversarial
Outils et bibliothèques courants pour gérer les données adversariales
Construire et tester des modèles avec des mécanismes d'abstention
Tendances émergentes dans la gestion des données adversariales
Considérations éthiques dans l'abstention des prédictions incertaines
Sujets
Science des données