物流学院2022年科研素养提升系列讲座第1讲：迁移学习问题与方法研究
讲座时间：2022年4月12日，星期二 19:30-20:30
讲座地点：腾讯会议（288-265-278）
主讲人：王晋东
讲座题目：迁移学习问题与方法研究
主讲人简介：王晋东博士，现任微软亚洲研究院研究员。他于2019年在中科院计算所获得工学博士学位，主要研究兴趣为迁移学习、领域自适应、领域泛化及相关的应用。他于2021年出版了《迁移学习导论》一书，并且领导维护着囊括了迁移学习的最新论文、代码、数据集、应用等内容的Github仓库（累计获得7000多次星标）。他在众多顶级期刊和会议上发表了超过30篇论文，如IEEE TKDE、TNNLS、ACM TIST、NeurIPS、CVPR、IJCAI、UbiComp、ACMMM等，Google scholar引用超过2800次。他的研究工作获得了中国科学院大学优秀博士论文奖、中科院计算所所长特别奖、IJCAI 2019联邦迁移学习研讨会最佳应用论文奖、ICCSE 2018最佳论文奖。他还担任了IJCAI 2019的宣传主席和ICDM 2019迁移学习session的主席。他还长期担任IEEE TPAMI、TKDE、AIJ、ICML、NeurIPS、ICLR、AAAI、CVPR等的审稿人。除此之外，他还在知乎等平台上热心知识分享，相关博文阅读量超过1000万次。
讲座内容：在大部分机器学习算法中，数据集都分为训练集和测试集，在传统的机器学习方法上两种数据集都来自于相同的分布空间。但是在实际生活中，我们所得到的数据并不一定都是标准的同空间分布。迁移学习是针对不同分布的数据分布问题，研究如何将源域中的样本集通过空间映射变换等方法迁移到与其不相同的目标域，并在目标域中训练模型，提高不同分布数据的训练效果的一种新型研究方法，在最近几年逐渐成为了研究的热点问题。我们将重点介绍迁移学习的问题背景、问题定义、常用方法与最新研究成果。
