Vahab Mirrokni

Una mirada a cómo aprender de las respuestas del grupo mientras se asegura la privacidad de los datos.

Optimizar la selección de datos puede aumentar mucho la eficiencia y el rendimiento del entrenamiento en machine learning.

Estrategias para mejorar la eficiencia en el intercambio de datos entre múltiples servidores.

Explorando cómo los transformadores abordan de manera efectiva varias tareas de razonamiento en grafos.

Aprende a crear bases bien condicionadas usando diferentes métodos para la representación de datos.

Un estudio sobre cómo preservar la privacidad al analizar datos sensibles usando técnicas de privacidad diferencial.

LLP permite entrenar modelos usando etiquetas promedio de ejemplos agrupados.

Este artículo habla sobre métodos de reentrenamiento usando predicciones de modelos para mejorar la precisión.