Amartya Sanyal

悪いデータの影響を受けた機械学習モデルを改善する新しい方法。

オンライン学習システムにおける差分プライバシーの課題を検討する。

この記事では、前処理ステップがデータプライバシーの保証にどのように影響するかを調べる。

ノイズの多いデータが未見のデータに対するモデルのパフォーマンスにどう影響するかを探る。

外れ値の影響を受けずに平均を推定する方法。

新しい方法BaDLossが機械学習におけるデータポイゾニングへの対策を強化する。

機械の忘却がデータプライバシーとモデル精度にどう役立つかを学ぼう。

機械学習モデルのデータポイゾニングを検出して修正する新しい方法。