Vahab Mirrokni

複雑なデータセットで最小全域木を扱う方法を学ぼう。

TeraHACは大規模なグラフを効率的にクラスタリングして、いろんな分野のデータ分析を強化するよ。

因果研究で精度を保ちながらプライバシーを守る新しい方法を探ってる。

この記事では、プライバシーを守りながら機械学習における集約データの利用について話してるよ。

グループの反応から学びつつ、データプライバシーを守る方法を探る。

データ選択を最適化すると、機械学習のトレーニング効率とパフォーマンスがかなり向上するよ。

複数のサーバー間でのデータ共有の効率を高めるための戦略。

トランスフォーマーがさまざまなグラフ推論タスクをどのように効果的にこなすかを探る。

データ表現のためにいろんな方法を使って、ちゃんとした基盤を作る方法を学ぼう。

センシティブなデータを分析する際に、差分プライバシー技術を使ってプライバシーを守るための研究。

LLPはグループ化された例からの平均ラベルを使ってモデルのトレーニングを可能にする。

この記事では、精度向上のためのモデル予測を使った再訓練方法について話してるよ。