微软亚洲研究院@王晋东：构建更鲁棒的机器学习系统

MLNLP学术Talk是MLNLP社区举办的学术交流活动，旨在邀请一线青年学者分享最前沿的技术，期待最精彩的思想火花碰撞。

本次MLNLP学术Talk特别邀请了微软亚洲研究院主管研究员、中科院计算所博士王晋东为我们带来“构建更鲁棒的机器学习系统”的主题报告，由上海科技大学信息科学与技术学院博士生、MLNLP社区委员刘永飞主持。 报告的详细信息如下：

王晋东，微软亚洲研究院主管研究员、中科院计算所博士。他的研究兴趣为迁移学习、鲁棒机器学习、半监督学习及相关的视觉和普适计算等应用。他在国际知名会议和期刊如NeurIPS、CVPR、IJCAI、UbiComp、ACMMM、TKDE、TASLP等发表30余篇论文，谷歌学术被引3700余次。获得IJCAI-19联邦学习研讨会最佳应用论文奖、清华大学AMiner 2012-2022十年最具影响力AI学者等荣誉奖项。他出版了《迁移学习导论》一书帮助众多研究人员快速入门和学习该领域。他领导开源了Github上最受欢迎的迁移学习项目（获得超1万星标）、半监督学习项目TorchSSL和USB、以及个性化联邦学习项目PersonalizedFL等。

个人主页：https://jd92.wang/

人工智能的快速发展给现实世界带来了严峻的挑战：如何构建更鲁棒的机器学习系统以支持更加负责任的AI？本次讲座将围绕这一主题，从环境鲁棒性和个体鲁棒性两方面探讨鲁棒机器学习的一些问题与我们的初步探索。具体而言：如何对于不同的计算环境如分布漂移、数据不足等构建鲁棒、可信赖的机器学习模型？如何使得开源预训练模型对于不同的攻击意图具有鲁棒性？如何对不同的个体在保护隐私的同时也能考虑个体差异性？我们将详细介绍在以上方面进行的研究探索和相关的开源项目，也希望更多感兴趣的学者加入，一起在这些方向做出更多成果。

刘永飞，上海科技大学信息科学与技术学院博士生，导师为信息科学与技术学院助理院长何旭明教授。研究兴趣为多模态理解和自监督预训练，弱监督与持续学习等。在ICCV/CVPR/ECCV/AAAI等会议上发表多篇学术论文，曾在腾讯AI Lab和微软亚洲研究院实习，并且获得腾讯犀牛鸟优秀实习生奖。