Confiance et Méfiance dans l'Apprentissage Automatique : Confidentialité, Vérification et Robustesse

Aperçu

Explorez les aspects critiques de la fiabilité de l'apprentissage automatique avec Shafi Goldwasser, en examinant les préoccupations en matière de confidentialité, les méthodes de vérification et les défis de robustesse dans cette conférence Emmy Noether.

Programme

• Introduction à la Confiance dans l'Apprentissage Automatique
Définition et Importance de la Confiance en ML
Aperçu de la Vie Privée, de la Vérification et de la Robustesse
• Enjeux de Confidentialité dans l'Apprentissage Automatique
Comprendre les Implications en Matière de Confidentialité
Confidentialité Différentielle
Apprentissage Fédéré et Confidentialité
Techniques pour l'Anonymisation et la Sanitation des Données
• Méthodes de Vérification dans l'Apprentissage Automatique
Aperçu de la Vérification dans les Systèmes ML
Techniques de Vérification Formelle
Vérification et Surveillance à l'Exécution
Outils et Cadres pour la Vérification des Modèles ML
• Défis de Robustesse dans l'Apprentissage Automatique
Définir la Robustesse dans les Systèmes ML
Attaques Adversariales et Mécanismes de Défense
Généralisation et Surapprentissage
Robustesse dans le Déploiement et la Maintenance des Modèles
• Études de Cas et Applications Réelles
Analyse de la Confiance dans les Applications ML
Leçons Tirées de l'Industrie et de la Recherche
• Implications Éthiques et Sociétales
Biais et Équité dans l'Apprentissage Automatique
Considérations Éthiques dans le Déploiement des ML
Directions Futures et Questions de Recherche Ouvertes
• Conclusion et Résumé
Intégration de la Confidentialité, de la Vérification et de la Robustesse en ML
Points Clés et Meilleures Pratiques
• Conférence Invitée avec Shafi Goldwasser
Aperçus de la Recherche et des Applications
Session de Q&R avec les Participants
• Évaluation Finale et Projet
Application Pratique des Concepts du Cours
Présentations des Étudiants et Retour d'Information des Pairs

Sujets

Informatique