报告主题：基于可视分析方法的可解释机器学习框架研究

报 告 人：马昱欣

报告时间：2023年2月10日 10:00

报告网址：计算机楼D501会议室

报告摘要： 

  近年来，机器学习方法在图像识别、视频分析、自然语言处理等诸多领域有着广泛的应用。然而，机器学习模型的黑盒特性也严重阻碍了用户对模型学习机制和预测输出的理解，使模型在应用领域难以有效发挥作用。本报告将以机器学习流水线为出发点，介绍可视分析方法在数据预处理、模型解释、鲁棒性分析和知识迁移等方面的应用，试图探讨如何使用可视分析方法提升模型可解释性，以及辅助用户理解数据、预测过程和模型中存在的问题。

报告人简介：

  马昱欣，南方科技大学计算机科学与工程系副教授、研究员，先后于2012年、2017年在浙江大学计算机科学与技术学院获得学士与博士学位，曾任美国亚利桑那州立大学VADER实验室博士后。主要研究方向为数据可视化与可视分析，包括基于可视分析的可解释人工智能方法、高维数据和时空数据的可视分析等。目前发表论文20余篇，在TVCG、IEEE VIS、ACM CHI等国际重要期刊会议上发表多篇长文，曾获得ACM CHI 2022最佳论文提名、CVM期刊年度最佳论文提名、陆增镛CAD&CG高科技奖（三等奖）等奖项，以及参与国内首部可视化专著和教材的编写工作。目前担任CCF CADCG专委会执行委员、CSIG可视化专委会委员、Visual Informatics期刊青年编委；曾担任GAMES 2022会议海报共同主席，以及IEEE VIS、ChinaVis、PacificVis Visualization Meets AI Workshop等国内外会议的程序委员会委员。