Ce que vous devez savoir avant
de commencer

Débute 24 June 2025 04:49

Se termine 24 June 2025

00 Jours
00 Heures
00 Minutes
00 Secondes
course image

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

2753 Cours


1 hour

Mise à niveau optionnelle disponible

Not Specified

Progressez à votre rythme

Free Video

Mise à niveau optionnelle disponible

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
  • Notions de base des modèles de prédiction séquentielle
    Aperçu des contextes stochastiques
  • Comprendre l'Interférence Adversariale
  • Types et sources d'interférence adversariale
    Impact des contextes adversariaux sur les prédictions
  • Gérer les Changements de Distribution
  • Identification des changements de distribution
    Stratégies pour s'adapter aux changements de distribution
  • Prédictions Confidentes avec Abstention
  • 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
  • Stratégies pour une Prédiction Séquentielle Robuste
  • Approches de modélisation défensive
    Incorporation de redondance et de diversité
  • Évaluer la Performance des Modèles avec des Données Adversariales
  • Techniques de benchmarking
    Études de cas et exemples concrets
  • Sujets Avancés
  • Fondements théoriques de la robustesse adversariale
    Progrès récents dans l'entraînement adversarial
  • Applications Pratiques et Outils
  • Outils et bibliothèques courants pour gérer les données adversariales
    Construire et tester des modèles avec des mécanismes d'abstention
  • Conclusion et Perspectives d'Avenir
  • Tendances émergentes dans la gestion des données adversariales
    Considérations éthiques dans l'abstention des prédictions incertaines

Sujets

Science des données