2015.8.7 叶杰平博士：Sparse Learning: Models, Algorithms and Applications

l讲座摘要：

Sparse methods have been shown to be a versatile and powerful tool in many applications including computer vision, image processing, genetics, and neuroscience. In this talk, we consider sparse methods for (1) variable selection where the structure over the features can be represented as an undirected graph or a collection of disjoint groups or a tree, (2) multi-source data fusion with a blockwise data missing pattern, (3) decision tree pruning, and (4) network construction. We address the computational challenges by designing novel screening strategies which scale sparse methods to large-size problems

l报告人简介：

叶杰平博士是美国密歇根大学计算机系和计算生物信息系的终身教授，是密歇根大学大数据研究中心的管理委员会成员。主要从事机器学习，数据挖掘，大数据分析以及生物医疗信息学的研究，尤其在大规模稀疏模型学习中处于国际领先地位。在国际顶级会议及期刊上共发表论文190余篇，其中在机器学习和数据挖掘的最顶级会议ICML，NIPS和 KDD上发表文章80余篇。现担任2015年数据挖掘顶级会议SDM的程序委员会主席，曾担任多个机器学习和数据挖掘顶级会议NIPS 2015，IJCAI 2015，ICML 2014，KDD 2013，NIPS 2013，以及NIPS 2012等等的领域主席。曾获得 KDD 2014，ICML 2004最佳学生论文奖以及7次获得 ICML，KDD，SDM最佳论文的提名。现担任机器学习和数据挖掘顶级期刊IEEE TPAMI，DMKD，和 IEEE TKDE的副编委。曾获得美国国家自然科学基金会生涯奖 (NSF CAREER Award) 。现负责和参与十余个基金项目，负责的项目经费超五百万美元。其中包括与英特尔，强生和华为等工业界的项目，帮助解决其实际的大数据分析问题。目前带领十余人的研究小组，包括五名博士后和五名博士研究生。培养的学生超过 20人，绝大部分任职于美国高校和美国各大公司, 包括阿里巴巴西雅图研究院，微软，西门子，英特尔，三星，亚马逊，和雅虎。曾带领开发出多个国际领先的用于研究的软件包，广泛受工业界和学术界欢迎。其中包括 SLEP，可以用于求解大规模的稀疏模型，以及包括 MALSAR，整合了多个现有最先进的多任务学习模型。值得一提的是，SLEP在现有的多个稀疏学习模型实现中表现最优。已经成为现在最受欢迎的稀疏学习软件包之一，目前拥有 25个国家的大约 4500人的活跃用户。