Otimização convexa e extensões aplicadas à Ciência de Dados

• Processo: 22/00380-7
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de setembro de 2022
• Data de Término da vigência: 31 de março de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Matemática - Matemática Aplicada
• Pesquisador responsável: Paulo José da Silva e Silva
• Beneficiário: Somayeh Khezri
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 18/24293-0 - Métodos computacionais de otimização, AP.TEM
• Assunto(s): Aprendizado computacional Ciência de dados Otimização convexa Otimização contínua
• Palavra(s)-Chave do Pesquisador: Aprendizagem de Maquina | Ciência de dados | diferenças de convexas | Otimização convexa | regularizações | Otimização contínua

Resumo

Problemas de Ciência de Dados tem atraído forte interesse nos últimos anos devido à capacidade sem precedentes da sociedade de angariar dados que devem ser processados devido ao novo estilo devida conectado.Nesse contexto houve um ressurgimento da otimização convexa e extensões, que se mostram fundamentais para o treinamento dos modelos de aprendizagem de máquinas que possuem bom desempenho nessa tarefa.Esse projeto busca investigar o uso de técnicas atuais de otimização convexa em problemas da área de Ciência de Dados e Aprendizagem de Máquinas como o aprendizado a partir de dados com ruídos os rótulos ou métodos de decomposição que induzem paralelismo ou desacoplam o problema permitindo sua solução.