Michael I. Jordan vous présente ici quelques résultats récents dans le domaine d'inférence pour "Big Data".
Diviser-pour-régner est un outil essentiel du point de vue computationel pour aborder des problèmes de traitement de données à grande échelle, surtout vu la croissance récente de systèmes distribués, mais ce paradigme présente des difficultés lorsqu'il s'agit d'inférence statistique. Considérons, par exemple, le problème fondamental d'obtenir des intervalles de confiance pour les estimateurs. Le principe du "bootstrap" suggère d'échantilloner les données à plusieurs reprises pour obtenir des fluctuations et donc des intervalles de confiance, mais ceci est infaisable à grande échelle. Si on fait appel à des sous-échantillons, on obtient des fluctuations qui ne sont pas à l'échelle correcte. Nous présentons une approche nouvelle, la "bag of little bootstraps", qui circonvient ce problème et qui peut être appliquée à des données à grande échelle. Nous parlerons aussi du problème de complétion de matrice à grande échelle, où l'approche de diviser-pour-régner est un outil pratique mais qui soulève des problèmes théoriques. Le soutien théorique est fournit par des théorèmes de concentration de matrices aléatoires, et à ce propos le département informatique présente une approche nouvelle à la concentration de matrices aléatoires basée sur la méthode de Stein.
[En collaboration avec Ariel Kleiner, Lester Mackey, Purna Sarkar, Ameet Talwalkar, Richard Chen, Brendan Farrell et Joel Tropp].
Catégories: Séminaire général du département d'informatique
Mot-clés : informatique, statistique, Big Data
Voir aussi
|
|
University of California, Berkeley
Professeur
Plus sur cet auteur
Voir la fiche de l'auteur
Cursus :
Michael I. Jordan est un éminent professeur (Pehong Chen Distinguished Professor) du département Electrotechnique et Informatique et du département Statistiques à l'Université de Berkeley, Californie. Ces dernières années, il a fait de nombreuses recherches sur l'analyse bayésienne non paramétrique, les modèles graphiques probabilistes, les méthodes spectrales, la génétique statistique, la bioinformatique et le traitement du langage naturel. M.I. Jordan est membre de l'Académie Nationale des Sciences, l'Académie Nationale d'Ingénierie, l'Académie américaine des Arts et des Sciences, et de l'Association américaine pour l'avancement de la science.
Cliquer ICI pour fermerDernière mise à jour : 24/03/2014
Tous droits réservés
@ 2011 ENS