报告题目：弱监督机器学习
报告摘要：典型机器学习技术通过学习大量训练数据来构建预测模型, 其中每个训练样本都有其对应的监督信息. 在许多现实任务中, 数据对象的标注过程成本很高, 学习系统通常难以获得完全、具体、精确的强监督信息. 近年来, 面向监督信息不充分、不具体、不精确等场景的弱监督学习范式已成为机器学习的热点研究领域. 本报告介绍了弱监督学习中几类重要任务及其研究进展.
个人介绍：魏通, 东南大学计算机科学与工程学院副研究员, 2021 年博士毕业于南京大学机器学习与数据挖掘研究所(LAMDA), 主要研究方向包括机器学习与数据挖掘. 在 IEEE TNNLS、KDD、AAAI、IJCAI、ICCV、MLJ 等重要国际会议和期刊发表第一作者论文十余篇, 获国际会议 PAKDD 2022 最佳论文奖. 曾多次担任TKDE、TKDD、TNNLS 等重要国际期刊审稿人, IJCAI/ACML、ICML/NeurIPS/ICLR/KDD/AAAI等重要国际会议高级程序委员(SPC)、程序委员(PC) 等.
