[Pycon] [new paper] "Francesco Farina" - Learning from Constraints: un Appoccio Distribuito e Privacy-Preserving

[info a pycon.it]

Title: Learning from Constraints: un Appoccio Distribuito e Privacy-Preserving
Duration: 60 (includes Q&A)
Q&A Session: 0
Language: it
Type: Talk

Abstract: Il Learning from Constraints (LFC) è una branca del machine learning che riformula il processo di apprendimento in un contesto descritto da una serie di vincoli. Questi vincoli sono il mezzo utilizzato per iniettare la conoscenza nel processo di apprendimento e possono rappresentare diversi aspetti, come la conoscenza delle relazioni tra classi, le interazioni tra compiti diversi e l'esclusività reciproca delle previsioni.

Mentre il LFC è sempre stato concepito come centralizzato, in questo talk presentiamo un'estensione del LFC a un setup distribuito, in cui più nodi computazionali, collegati alla rete, contribuiscono al processo di apprendimento. Questo setup è ispirato dall'odierna organizzazione dei dati in rete. È estremamente comune essere membri di comunità online, condividere alcune risorse (come foto sui social network) e mantenerne altre private ​​(come immagini salvate nel cloud). Inoltre, c'è una crescente necessità di servizi personalizzati che possano trarre vantaggio sia da dati privati ​​che pubblici (ad esempio, un riconoscitore di immagini personalizzato). 
L'implementazione distribuita del LFC proposta in questo talk è basata su un algoritmo di ottimizzazione distribuito asincrono chiamato ASYMM.

Una conoscenza di base su algoritmi di ottimizzazione, Numpy, Network e Tensorflow è suggerita, ma non richiesta.

Tags: [u'Machine Learning', u'numpy', u'tensorflow', u'distributed', u'Big-Data', u'Learning-from-Constraints', u'Algorithms']