Отворена лекция на доц. Елена Желева от Университета на Илинойс в Чикаго (University of Illinois Chicago), на 10.7 от 11.00ч. в зала 113 (голямата зала) на УНИТе
Доц. Желева ще бъде гост-изследовател в УНИТе през м. Юли 2026г. и се канят всички заинтересовани колеги, студенти, докторанти, преподаватели и изследователи.
Заглавие: Причинно-следствен анализ в мрежови данни
Анотация: Основната цел на причинно-следствения анализ е да определи как биха се променили резултатите при различни интервенции. За разлика от традиционното машинно обучение, което е насочено към предсказване, причинно-следственият анализ оценява ефектите от действия, политики и интервенции, като по този начин подпомага вземането на информирани решения. Разбирането на причинно-следствените връзки е от ключово значение за приложения в общественото здраве, социалните медии, препоръчващите системи и научните изследвания. С навлизането на изкуствения интелект във все повече области на живота причинно-следственото мислене се превръща в основен елемент за изграждането на надеждни, обясними и справедливи AI системи, способни да разсъждават за интервенции и алтернативни сценарии. В тази лекция ще направя кратък преглед на основните идеи в причинно-следствения анализ и ще разгледам предизвикателствата, които възникват при анализа на реални системи с релационна и мрежова структура. Ще представя нови методи за откриване на причинно-следствени зависимости в релационни системи, както и подходи за оценяване на хетерогенни ефекти от интервенции в мрежи, които позволяват да се идентифицират индивидите и общностите, извличащи най-голяма полза от дадена интервенция. Тези разработки разширяват възможностите на причинно-следствения анализ в сложни взаимосвързани системи и ни доближават до AI системи, които могат да разбират не само корелациите, но и причинно-следствените връзки.
Кратка биография: Доц. Елена Желева е преподавател по информатика в Университета на Илинойс в Чикаго (University of Illinois Chicago). Нейните научни изследвания обхващат причинно-следствен анализ, машинно обучение, препоръчващи системи, анализ на социални мрежи и защита на личните данни, като резултатите ѝ са публикувани в престижни научни форуми като AAAI, KDD, ICLR и The Web Conference. Тя е носител на множество научноизследователски отличия от федерални агенции и индустрията, включително наградата NSF CAREER и Adobe Data Science Research Award. Наред с научната си дейност, тя е била асоцииран редактор на списанието ACM Transactions on Intelligent Systems and Technology и на списанието Data Mining and Knowledge Discovery. Доц. Желева има дългогодишен опит като специалист по анализ на данни и в индустрията, където е работила върху мащабни препоръчващи системи и технологии за персонализация. Може да научите повече за нея на страницата й: https://lnkd.in/dffm5cuS.
Заглавие: Причинно-следствен анализ в мрежови данни
Анотация: Основната цел на причинно-следствения анализ е да определи как биха се променили резултатите при различни интервенции. За разлика от традиционното машинно обучение, което е насочено към предсказване, причинно-следственият анализ оценява ефектите от действия, политики и интервенции, като по този начин подпомага вземането на информирани решения. Разбирането на причинно-следствените връзки е от ключово значение за приложения в общественото здраве, социалните медии, препоръчващите системи и научните изследвания. С навлизането на изкуствения интелект във все повече области на живота причинно-следственото мислене се превръща в основен елемент за изграждането на надеждни, обясними и справедливи AI системи, способни да разсъждават за интервенции и алтернативни сценарии.
В тази лекция ще направя кратък преглед на основните идеи в причинно-следствения анализ и ще разгледам предизвикателствата, които възникват при анализа на реални системи с релационна и мрежова структура. Ще представя нови методи за откриване на причинно-следствени зависимости в релационни системи, както и подходи за оценяване на хетерогенни ефекти от интервенции в мрежи, които позволяват да се идентифицират индивидите и общностите, извличащи най-голяма полза от дадена интервенция. Тези разработки разширяват възможностите на причинно-следствения анализ в сложни взаимосвързани системи и ни доближават до AI системи, които могат да разбират не само корелациите, но и причинно-следствените връзки.
Кратка биография: Доц. Елена Желева е преподавател по информатика в Университета на Илинойс в Чикаго (University of Illinois Chicago). Нейните научни изследвания обхващат причинно-следствен анализ, машинно обучение, препоръчващи системи, анализ на социални мрежи и защита на личните данни, като резултатите ѝ са публикувани в престижни научни форуми като AAAI, KDD, ICLR и The Web Conference. Тя е носител на множество научноизследователски отличия от федерални агенции и индустрията, включително наградата NSF CAREER и Adobe Data Science Research Award. Наред с научната си дейност, тя е била асоцииран редактор на списанието ACM Transactions on Intelligent Systems and Technology и на списанието Data Mining and Knowledge Discovery. Доц. Желева има дългогодишен опит като специалист по анализ на данни и в индустрията, където е работила върху мащабни препоръчващи системи и технологии за персонализация. Може да научите повече за нея на страницата й: https://lnkd.in/dffm5cuS.