títol: Estimació mitjana: problemes estadístics i algorísmics -
by Gábor Lugosi (UPF)
Resum:
Parlem del problema potser més bàsic de l'estadística: com es pot estimar el valor esperat d'una variable aleatòria a partir d'una mostra de còpies independents? Argumentem que la mitjana empírica habitual està lluny de ser òptima i examinem diverses alternatives i les seves garanties de rendiment. El cas multivariant presenta reptes interessants, tant estadístics com algorítmics. La xerrada es basa en el treball conjunt amb Shahar Mendelson.
títol: Una introducció a la mineria de sèries temporals -
by José Antonio Lozano (BCAM)
Resum:
En aquesta xerrada donarem una visió general de la mineria de sèries temporals. En particular, ens centrarem en els problemes clàssics de la mineria de dades com ara l'agrupació, la classificació supervisada i la detecció d'anomalies (anomalies). Per a aquests problemes posarem èmfasi en les diferències entre treballar amb sèries temporals o vectors regulars. A més a més, presentarem nous problemes que apareixen en l'àmbit de la mineria de dades quan es treballa amb sèries temporals i també assenyalarem la complexitat de treballar amb fluxos de sèries temporals.
Itinerari
| 11:00 | Presentació a càrrec de Carme Cascante (Directora de BGSMath) |
| 11:15 – 12:15 | Estimació mitjana: problemes estadístics i algorísmics, Gábor Lugosi (UPF) |
| 12:20 – 13:20 | Una introducció a la mineria de sèries temporals, José Antonio Lozano (BCAM) |
Altaveus
Gábor Lugosi / UPF
Bioesbós
Gábor Lugosi es va graduar en enginyeria elèctrica a la Universitat Tècnica de Budapest el 1987, i va rebre el seu doctorat. de l'Acadèmia Hongaresa de Ciències l'any 1991. Des de 1996, és al Departament d'Economia de la Universitat Pompeu Fabra, Barcelona. L'any 2006 va esdevenir professor d'investigació ICREA.
José Antonio Lozano
Bioesbós:
Els meus interessos de recerca es troben en el camp de l'aprenentatge automàtic estadístic i l'optimització combinatòria. En particular, en l'aprenentatge automàtic perseguim el disseny i avaluació de nous paradigmes de classificació i algorismes capaços de produir models predictius que es puguin aplicar en diferents camps com la medicina, la bioinformàtica, l'ecologia, etc. D'altra banda, en l'àmbit de l'optimització combinatòria desenvolupem noves heurístiques i algorismes metaheurístics capaços de trobar un equilibri entre la qualitat de la solució i el temps de càlcul, estudiar les seves propietats des d'un punt de vista teòric i aplicar-los en la solució de problemes reals.