Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

GENERALIZATION

Financiado

Modern Challenges in Learning Theory

Recent years have witnessed tremendous progress in the field of Machine Learning (ML). Learning algorithms are applied in an ever-increasing variety of contexts, ranging from engineering challenges such as self-driving cars all th... ver más

31/08/2027

TECHNION ISRAEL I...

1M€

Presupuesto del proyecto: 1M€

Líder del proyecto

TECHNION ISRAEL INSTITUTE OF TECHNOLOGY No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo HORIZON EUROPE notifico la concesión del proyecto el día 2022-03-04

ERC-2021-STG: ERC STARTING GRANTS Scope:Objectives

I+D

Cerrada hace 3 años

0% 100% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

1 Participantes

TECHNION ISRAEL INSTITUTE O...

1.43M€ | Lider

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

DIN2019-010876 Modelos de recomendación conscientes de privacidad para inte... 70K€ Cerrado

PID2020-116118GA-I00 APRENDIZAJE FEDERADO PARA PRESERVAR LA PRIVACIDAD DE LOS DAT... 27K€ Cerrado

PID2020-114596RB-C21 PERXAI: PERSONALIZACION DE INTELIGENCIA ARTIFICIAL EXPLICABL... 54K€ Cerrado

PID2020-112754GB-I00 MODELIZACION Y ANALISIS DE CONTEXTOS PARA EL DISEÑO DE SISTE... 58K€ Cerrado

TED2021-131291B-I00 APRENDIZAJE FEDERADO EXPLICABLE CON REDES BAYESIANAS 111K€ Cerrado

PID2020-114911GB-I00 INTELIGENCIA ARTIFICIAL PARA ESTIMAR AUTOMATICAMENTE LA PERS... 81K€ Cerrado

Duración del proyecto: 65 meses Fecha Inicio: 2022-03-04
Fecha Fin: 2027-08-31

Líder del proyecto

TECHNION ISRAEL INSTITUTE OF TECHNOLOGY No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 1M€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto Recent years have witnessed tremendous progress in the field of Machine Learning (ML). Learning algorithms are applied in an ever-increasing variety of contexts, ranging from engineering challenges such as self-driving cars all the way to societal contexts involving private data. These developments pose important challenges (i) Many of the recent breakthroughs demonstrate phenomena that lack explanations, and sometimes even contradict conventional wisdom. One main reason for this is because classical ML theory adopts a worst-case perspective which is too pessimistic to explain practical ML: in reality data is rarely worst-case, and experiments indicate that often much less data is needed than predicted by traditional theory. (ii) The increase in ML applications that involve private and sensitive data highlights the need for algorithms that handle the data responsibly. While this need has been addressed by the field of Differential Privacy (DP), the cost of privacy remains poorly understood: How much more data does private learning require, compared to learning without privacy constraints? Inspired by these challenges, our guiding question is: How much data is needed for learning? Towards answering this question we aim to develop a theory of generalization which complements the traditional theory and is better fit to model real-world learning tasks. We will base it on distribution-, data-, and algorithm-dependent perspectives. These complement the distribution-free worst-case perspective of the classical theory, and are suitable for exploiting specific properties of a given learning task. We will use this theory to study various settings, including supervised, semisupervised, interactive, and private learning. We believe that this research will advance the field in terms of efficiency, reliability, and applicability. Furthermore, our work combines ideas from various areas in computer science and mathematics; we thus expect further impact outside our field.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores