BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Departamento de Computación - ECPv6.15.18//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Departamento de Computación
X-ORIGINAL-URL:https://www.dc.uba.ar
X-WR-CALDESC:Eventos para Departamento de Computación
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:America/Sao_Paulo
BEGIN:STANDARD
TZOFFSETFROM:-0200
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20180218T020000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:-0300
TZOFFSETTO:-0200
TZNAME:-02
DTSTART:20181104T030000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:-0200
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20190217T020000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20190404T110000
DTEND;TZID=America/Sao_Paulo:20190404T120000
DTSTAMP:20260618T220805
CREATED:20190401T115521Z
LAST-MODIFIED:20190401T115521Z
UID:5053-1554375600-1554379200@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Sebastián Prillo
DESCRIPTION:Título: Un Estudio Metodológico de Máquinas de Factorización.\nDirector: Leandro Lombardi.\nJurados: Agustín Gravano y Ernesto Mislej. \nResumen\nEn este trabajo estudiamos las Máquinas de Factorización (FMs)\, un modelo de aprendizaje automático de alta performance en sistemas de recomendación. Nuestro objetivo es estudiar dos aspectos de las FMs: la asimetrı́a de la ecuación del modelo FM\, y la viabilidad de parametrizar de forma continua el orden de interacción de las FMs como propuesto en las FMs de orden intermedio. Más en general\, en este trabajo tratamos de desarollar una comprensión más profunda sobre el sesgo inductivo de las FMs.\nCon respecto a la asimetrı́a de las FMs\, mostramos que esto tiene un impact no trivial sobre las predicciones de las FMs. Por este motivo\, mostramos que ensamblar dos FMs\, una entrenada sobre los datos originales y otra entrenada luego de negar el valor de la variable respuesta\, puede llevar a mejoras inusualmente grandes de performance (cuando se lo compara con la mejora de performance tı́picamente observada al ensamblar dos modelos de la misma clase). También consideramos una formulación simétrica de FMs para la cual la estrategia de ensamblado puede ser vista como una estrategia efectiva de regularización.\nCon respecto a parametrizar de forma continua el orden de interacción de FMs\, mostramos que esto puede ser efectivo cuando las FMs se usan como predictor general\, en algunos casos obteniendo performance comparable a la de predictores generales estado del arte como los gradient boosted decision trees (GBDTs). Por otra parte\, cuando lo utilizamos en el contexto de problemas de recomendación\, obtenemos poca o ninguna mejora.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-sebastian-prillo/
LOCATION:Aula E24
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR