Nous donnons de nouveaux résultats pour des problèmes en machine informatique et statistique
apprendre à l'aide d'outils issus de la géométrie et des probabilités de grande dimension.
Nous divisons notre traitement en deux parties. Dans la première partie, nous nous concentrons sur
considérations informatiques en optimisation. Spécifiquement, nous donnons du nouveau
algorithmes pour approximer les polytopes convexes dans un flux, sparsification et
régression robuste des moindres carrés, et optimisation des duels.
Dans la deuxième partie, nous donnons de nouvelles garanties statistiques pour les problèmes de science des données. Dans
particulier, nous formulons un nouveau modèle dans lequel nous analysons les propriétés statistiques
des attaques par empoisonnement des données par porte dérobée, et nous étudions la robustesse du graphe
algorithmes de clustering pour “utile” spécification erronée.

Cet article explore les excursions dans le temps et leurs implications.

Télécharger PDF: