Vahab Mirrokni

Impara a affrontare gli Alberi di Copertura Minima in set di dati complessi.

TeraHAC raggruppa in modo efficiente grandi grafi, migliorando l'analisi dei dati per diversi settori.

Esplorando un nuovo metodo per proteggere la privacy nella ricerca causale mantenendo l'accuratezza.

Questo articolo parla di come usare i dati aggregati nel machine learning proteggendo la privacy.

Uno sguardo all'apprendimento dalle risposte di gruppo, garantendo la privacy dei dati.

Ottimizzare la selezione dei dati può davvero migliorare l'efficienza e le prestazioni dell'addestramento del machine learning.

Strategie per migliorare l'efficienza nella condivisione dei dati su più server.

Esplorare come i transformer affrontano in modo efficace vari compiti di ragionamento sui grafi.

Impara a creare basi ben condizionate usando diversi metodi per la rappresentazione dei dati.

Uno studio su come preservare la privacy mentre si analizzano dati sensibili usando tecniche di privacy differenziale.

LLP permette l'addestramento del modello usando etichette medie da esempi raggruppati.

Questo articolo parla di metodi di riaddestramento usando le previsioni dei modelli per una maggiore precisione.