0
雷锋网 AI 研习社按，近日，谷歌在苏黎世办事处举办了一场有关算法与优化的专题讲座，旨在通过提供一个论坛来交流机器学习理论和大规模图挖掘领域的想法。该论坛涉及到市场算法、机器学习理论、大规模图挖掘、隐私与公平、略图构造、哈希和动态算法这五个方向。在讲座结束之后，Google 苏黎世办事处研究员 Silvio Lattanzi 和 Google 纽约办事处研究员 Vahab Mirrokni 对讲座内容进行了总结整理，相关文稿和视频现已对外公布。雷锋网 AI 研习社获授权转载，做了不改变原意的编辑整理：
近日，谷歌在苏黎世办事处举办了一次有关算法与优化的专题讲座，旨在通过提供一个论坛来交流机器学习理论和大规模图挖掘领域的想法，培育学术界研究员和 Google 研究员之间的协作。
专题讲座分为五个部分，每个部分都包括由接触以下研究领域的出席者所作的演讲：
Silvio Lattanzi 正在演示图挖掘团队的工作
市场算法
此部分包含五个演讲，探讨了与优化在线市场和重复拍卖相关的问题。Vahab Mirrokni（Google 纽约办事处）以一个介绍市场算法项目的概览演讲开启了这个部分，随后，Paul Duetting（伦敦政治经济学院）讲解了用于定价的随机优化的近期发展。Renato Paes Leme（Google 纽约办事处）谈论了实践中的动态拍卖。Stefano Leonardi（罗马大学）讲解了预订交易平台市场面临的挑战，最后，Radu Jurca（Google 苏黎世办事处）说明了如何打包 YouTube 预订广告。
机器学习理论
我们的第二部分侧重于机器学习研究的理论方面。Olivier Bousquet（苏黎世 Google Brain 团队）开启了这个部分，他讨论了分发的不可知学习中的挑战。随后，Amin Karbasi（耶鲁大学）和 Andreas Krause（苏黎世联邦理工学院）分别介绍了子模块化优化和学习子模块化模型的最新成果。Martin Jaggi（洛桑联邦理工学院）说明了并行处理优化算法的新技术。最后，Nicolò Cesa-Bianchi（米兰大学）介绍了老虎机新成果。
大规模图挖掘
在这一部分中，我们介绍了大规模图挖掘项目的一些成就和挑战。Silvio Lattanzi（Google 苏黎世办事处）开启了这个部分，他介绍了图挖掘团队的应用和理论工作。之后，Piotr Sankowski（华沙大学）演示了一个用于说明真实图中级联大小的有趣模型。Thomas Sauerwald（剑桥大学）演示了合并随机漫步领域的部分新成果，Peter Sanders（卡尔斯鲁厄理工学院）介绍了大型数据集算法工程方面的几个有趣成果。在这场演讲之后，我们与 Peter Sanders 和 Christian Schulz（维也纳大学）就用于生成均衡图分割结果的不同技术展开了头脑风暴，这些结果优于近期一篇论文中所生成切割的质量。我们期待看到改进的结果。
隐私与公平
此部分介绍了与隐私保护算法以及机器学习和推荐系统中的公平有关的新主题。这两个主题是机器学习的主要关注领域。例如，Sergei Vassilvitskii（Google 纽约办事处）讲解了用于计算公平聚类的新算法，Elisa Celis（洛桑联邦理工学院）则讨论了机器学习领域算法公平和偏差的多个方面。Florin Ciocan（欧洲工商管理学院）介绍了用于公平分配的算法，Graham Cormode（华威大学）讲解了用于专属边际统计的算法。
略图构造、哈希和动态算法
最后一个部分介绍了略图构造、哈希和动态算法领域的一些最新成果。Morteza Zadimoghaddam（Google 纽约办事处）开启了这个部分，他介绍了一种用于动态一致性哈希的新算法。随后，Robert Krauthgamer（魏茨曼科学研究所）讲解了略图构造与组合优化领域的一些最新成果。Sayan Bhattacharya（华威大学）介绍了通过原始-对偶方法进行的动态算法设计。最后，Pino Italiano（罗马第二大学）讲解了用于网络分析的有效新算法。
整体来说，这场论坛举行了许多出色的演讲，并提供了大量机会来讨论有趣的问题。
所有的演示文稿（包括视频）都可以在谷歌的专题讲座网站上找到：
地址：https://sites.google.com/corp/view/algorithms-workshop/presentations
雷峰网版权文章，未经授权禁止转载。详情见转载须知。
