Семинар за рачунарство и примењену математику, 14. децембар 2021.

• 13. Децембар, 2021
• Коментари (0)

Наредни састанак Семинара биће одржан онлајн у уторак, 14. децембра 2021. са почетком у 14.15 часова.

Предавач: Милош Котлар, Електротехнички факултет у Београду

Наслов предавања: ДЕТЕКЦИЈА АНОМАЛИЈА КОРИШЋЕЊЕМ МЕТА ПОДАТАКА У АУТОМАТИЗОВАНИМ СИСТЕМИМА ЗА МАШИНСКО УЧЕЊЕ

Апстракт:
Генерисање велике количине података условљено развојем крајњих уређаја (енг. Edge Devices) и интернет ствари (енг. Internet of Things) довело је до убрзаног развоја технологије и алгоритама за машинско учење који се користе у системима за анализу и обраду података. Са великом количином података у системима за њихову анализу и обраду, заснованим на алгоритмима за машинско учење, перформансе система искључиво зависе од квалитета података, одабраног модела и параметара модела. Аномалије у подацима представљају инстанце које се разликују од дистрибуције података, утичу на квалитет података и могу да се детектују коришћењем алгоритама за машинско учење. Предлог модела и параметара модела за детекцију аномалија искључиво зависи од експертизе креатора система или  доменског експерта. У случајевима када не постоји узорак података са обележеним аномалијама, што је чест случај у подацима из реалног света, предлог модела за детекцију аномалија није тривијалан.  Предлог модела за детекцију аномалија се може аутоматизовати, при чему такав систем за  аутоматизовано машинско учење (енг. AutoML) предлаже модел за детекцију аномалија у подацима на основу података, мета података, одговарајуће оптимитационе метрике и претходно стеченог знања. Како би се омогућила имплементација аутоматизованог система за детекцију аномалија, потребно је дефинисати скуп функција за израчунавање мета података који ће се користити за предлагање модела за одговарајућу оптимизациону метрику.

Идеја је да се систем за израчунавање мета података заснива на функцијама које користе доменско знање. Подразумева се да се за детекцију аномалија користе постојећи алгоритми, тако да се проблем своди на креирање скупа функција за израчунавање мета података који ће каратеризовати аномалије у подацима. Коришћењем функција које користе доменско знање, креатор података или доменски експерт ће бити у могућности да израчуна мета податке у случајевима када не постоји узорак података са  обележеним аномалијама. Претходна истраживања су показала да је детекција аномалија заступљена у различитим областима и за различите типове података, тако да наведени аспекти треба да буду посебно анализирани за различите типове локалитета и различите димензионалне просторе аномалија. Како се у аутоматизованим системима за машинско учење користе функције које мере удаљеност између скупова података на основу мета података, идеја је да се уради евалуација постојећих и предлог нових функција за мерење удаљености између мета података како би се показало који тип функција за мерење удаљености даје добре резултате за предложени скуп мета података. Такође, биће анализирана ефикасност система на различитим архитектурама и местима извршавања како би се показало у којим окружењима предложено решење може да се имплементира и под којим условима.


Због тренутне епидемиолошке ситуације, предавања се могу пратити искључиво на даљину преко линка
https://miteam.mi.sanu.ac.rs/asset/YoqHWKALRkRTbK9So

За активно учешће на Семинару (дискусија, евиденција присуства) неопходно је да се на том линку и улогујете (ставка "login" у горњем десном углу). Уколико нисте већ регистровани то можете учинити преко линка: https://miteam.mi.sanu.ac.rs/asset/xzGqvSp7aWbg8WpYX