3 월 7 일
@
12 : 00 pm
–
1 : 00 pm
Zoom을 통해
기초 모델의 신뢰성 향상 : ML 위험 평가, 완화 및 분석
Abstract
기계 학습 (ML) 모델이 크기와 기능이 계속 확장됨에 따라 안전 및 개인 정보 보호 위험을위한 표면적을 확장하여 모델 신뢰성과 책임있는 데이터 사용에 대한 우려를 높입니다. 내 연구는 이러한 위험을 발견하고 완화시킵니다.
Chulin Xie
Bio
Chulin Xie는 University of Illinois Urbana-Champaign의 컴퓨터 과학 박사 후보자이며 Bo Li 교수가 조언했습니다. 그녀의 연구는 신뢰할 수있는 머신 러닝의 원칙과 관행, 기초 모델, 에이전트 및 연합 (분산) 학습의 안전, 프라이버시 및 일반화 위험을 해결하는 데 중점을 둡니다.