报 告 人：宣俊宇 副教授，，，，，悉尼科技大学
报告时间：10月29日（周五）13:00～15:00
报告所在：腾讯聚会（645 433 987）
邀 请 人：余航 讲师
报告摘要：
由于贝叶斯（机械）学习具有建模不确定性、编码先验知识和可诠释性的特殊能力，，，，，因此恒久以来一直在机械学习中饰演主要角色。。。在贝叶斯学习取得重大乐成的基础上，，，，，贝叶斯非参数学习（BNL）由于其更大的建模无邪性和体现能力而成为推动该领域进一步生长的实力。。。与基于（牢靠维数的）概率漫衍的贝叶斯学习差别，，，，，BNL是基于（无限维的）随机历程的新“游戏”。。。 BNL恒久以来一直被以为是统计学领域的研究主题，，，，，可是迄今为止，，，，，许多研究批注BNL具有解决现实天下机械学习使命的重大能力。。。本次报告将分享我对该领域的明确，，，，，孝顺和展望。。。
报告人简介:
宣俊宇，，，，，博士，，，，，澳洲发明基金委优异青年基金（ARC Discovery Early Career Researcher Award，，，，，DECRA) 获得者，，，，，现为悉尼科技大学澳洲人工智能研究中心副教授。。。2016年获得博士学位，，，，，厥后在悉尼科技大学从事博士后研究，，，，，研究偏向包括机械学习、贝叶斯非参、文本挖掘等。。。共揭晓近50篇国际期刊和聚会论文，，，，，包括Artificial Intelligence Journal, Machine Learning Journal, IEEE TNNLS, IEEE TFS, IEEE TKDE, IEEE TCYB, ACM TOIS, ACM TIST, ACM Computing Surveys, ICDM, NeurIPS, AAAI, IJCNN, 等等。。。从事国际聚会NIPS, ICLR, IJCAI, AAAI, IJCNN, ICML等的PC。。。