报告人：文泽忆，香港科技大学（广州）助理教授

报告时间：2023年06月13日 16:00 - 17:00

报告地点：湖南大学信息科学与工程学院201

报告摘要: 高效的系统对机器学习近年来取得的成功做出了显著贡献。在这次报告中，我们将主要介绍如何利用CPU和GPU并行加速贝叶斯网络、梯度提升决策树和支持向量机。这些研究工作衍生出了几个开源项目，如FastBN、ThunderGBM和ThunderSVM。这些项目在GitHub社区中获得了2000多个收藏，并且也吸引了媒体的报道（如Hacker News的头条、机器之心等）。更快的系统可能带来突破，我们在一个情感分析问题上的实验结果表明，基于传统机器学习算法的方案在预测准确性上可以与基于深度神经网络的方法相媲美。此外，我们的方案在推断速度上快约40倍，并且比使用BERT的模型参数少100倍。

报告人简介: 文泽忆博士现任香港科技大学（广州）助理教授。博士毕业于澳大利亚墨尔本大学，曾任西澳大利亚大学讲师、新加坡国立大学和墨尔本大学博士后。文博士主要从事机器学习系统、高性能计算等相关领域研究。他是并行及分布式计算期刊IEEE TPDS 2019年的“最佳论文奖”获得者，是现任机器学习期刊Journal of Machine Learning Research（JMLR）的编委，负责开源机器学习系统软件区。

邀请人：李肯立

联系人：李梦泉