Coordinación: Laura Aspirot (laura.aspirot@fcea.edu.uy), Maine Fariello (fariello@fing.edu.uy) y Micaela Long (mlong@fing.edu.uy).
Día y hora: Viernes a las 10:30 am.
Lugar: En general habrá transmisión virtual.
Archivo del seminario (con abstracts).
Día y hora: Viernes 5 de junio, 10:30 horas.
Título: Generalización de CART mediante divergencias de Bregman.
Expositor: Mathias Bourel (FCEA, Universidad de la República)
Resumen: Los árboles de decisión constituyen una de las herramientas fundamentales del aprendizaje estadístico debido a su interpretabilidad, flexibilidad y capacidad de adaptación a estructuras no lineales. Entre ellos, el algoritmo CART (Classification and Regression Trees), introducido por Breiman, Friedman, Olshen y Stone en 1984 es uno de los métodos más utilizados hoy en día en problemas de clasificación y regresión.
Por otro lado, las divergencias de Bregman, introducidas por Lev Bregman en 1967 en el contexto de optimización convexa, proporcionan una amplia familia de funciones de pérdida, como por ejemplo, además de la cuadrática, la divergencia de Kullback–Leibler, divergencia de Poisson, divergencia de Ikatura-Saito y otras asociadas a variables aleatorias que provienen de la familia exponencial. Poseen además una rica estructura geométrica y varias conexiones con la geometría de la información.
En este trabajo proponemos una generalización de CART basada en divergencias de Bregman, obteniendo así una familia más amplia de árboles adaptados a diferentes modelos estadísticos. Aunque CART o rpart incorporan distintos criterios de impureza, éstos suelen introducirse de manera ad hoc. El enfoque mediante divergencias de Bregman proporciona un marco unificado que permite derivar e interpretar estos criterios desde principios geométricos y convexos comunes. Además de la construcción algorítmica, también investigamos aspectos teóricos, más precisamente cómo las propiedades de la función convexa asociada a la divergencia de Bregman influyen en la pérdida de impureza entre nodos padres e hijos del árbol y sobre la consistencia del estimador.
Estos resultados forman parte de un trabajo en preparación que trata de proveer un marco unificado conectando los árboles de decisión, el análisis convexo, la geometría de la información y el aprendizaje estadístico.
Lugar: Facultad de Ciencias Económicas y de Administración, Salón 1 del EIP (entrada por Lauro Müller).
Datos para la reunión virtual: 870 3301 1104, pass: probable** donde ** es el cuadrado de la unidad imaginaria (dos caracteres).
Primer semestre
Las charlas que serán virtuales están indicadas con un * al lado del expositor. El resto de las charlas son presenciales con transmisión a través de Zoom.
13 de marzo: Paul Mansanarez (Université Libre de Bruxelles - Université de Rennes I) - Edgeworth expansion on Wiener chaos.
20 de marzo: Diego Armentano (IESTA, Universidad de la República) - Polinomios Aleatorios: donde la geometría encuentra a la probabilidad.
m27 de marzo: Vittorio Puricelli (LAAS-CNRS) - Online RL for infinite state space problems.
10 de abril: Natalia Bottaioli (Centre Borelli, ENS Paris-Saclay, Université Paris-Saclay) - Extrayendo datos manuscritos de documentos estructurados.
17 de abril: Sam Perochon (Ecole Normale Supérieure Paris-Saclay) - Recent advances of AI in health: computational approaches for the screening and monitoring of autism spectrum disorder, dysexecutive syndromes, and cardiovascular health.
24 de abril: Leandro Bentancur (FCIEN, Universidad de la República) - Momentos, núcleo de Christoffel-Darboux y recuperación de densidades.
8 de mayo: Diego Goldsztajn (Universidad ORT) - Políticas asintóticamente óptimas para procesos de decisión de Markov débilmente acoplados.
15 de mayo: Marcelo Capalbo (Coordinador de selecciones formativas masculinas de FUBB. Docente ENE-FUBB) - Relevancia del análisis de los datos estadísticos en el baloncesto.
22 de mayo: Pedro Raigorodsky (FCEA, Universidad de la República) - Expansores bipartitos óptimos mediante el método probabilístico.
29 de mayo: Marco Scavino (FCEA, Universidad de la República). Estimación de densidades de transición en procesos de error de pronóstico basados en SDEs y aplicaciones en energía solar.
5 de junio: Mathias Bourel (FCEA, Universidad de la República).
12 de junio: Ricardo Fraiman (FCIEN, Universidad de la República) - Imbalanced Classification under Capacity Constrains.
26 de junio
Segundo semestre
21 de agosto
28 de agosto
4 de setiembre
11 de setiembre
18 de setiembre
25 de setiembre
2 de octubre
9 de octubre
16 de octubre
23 de octubre
30 de octubre
6 de noviembre
13 de noviembre
20 de noviembre
27 de noviembre
4 de diciembre