Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Multi-Task Deep Learning (MTDL) |
|---|---|
| Titolo del progetto di ricerca in inglese | Multi-Task Deep Learning (MTDL) |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI |
| Descrizione sintetica in italiano | I modelli di apprendimento automatico (Machine Learning) sono tipicamente addestrati su un singolo compito. Nell'apprendimento di tipo multi-task l’addestramento avviene simultaneamente su più compiti, la rappresentazione finale del modello e’ condivisa da tutti i compiti. La rappresentazione condivisa consente al modello di generalizzare meglio su ogni singolo compito, poiché l'algoritmo induttivo può apprendere caratteristiche condivise che sono più robuste al rumore e al rischio di bias su specifici set di dati e basati su un singolo compito. Questo progetto intende studiare l'apprendimento multi-task specificamente per le reti neurali profonde per comprenderne meglio le caratteristiche e studiarlo in modo sia formale che empirico. Nel corso del progetto saranno sviluppati e studiati nuovi approcci al Multi-Task Deep Learning (MTDL) e le loro applicazioni... |
| Descrizione sintetica in inglese | Machine learning models are typically trained on a single task. On the contrary, multi-task learning adopts the concept of learning multiple tasks simultaneously by sharing the model representation among the tasks. The shared representation enables the machine learning model to generalize better on each single task as the inductive algorithm may learn shared features that are more robust to the noise and to the risk of bias on specific single-task data sets. The project intends to study Multi-Task Learning (MTL) specifically for Deep Neural Networks (DNN) to better understand it and to define it more formally. Most importantly, during the project novel approaches to Multi-Task Deep Learning (MTDL) and their applications will be developed and investigated. The project is expected to contribute to the advancement of Machine Learning and also to generate impactful research by means of applications of the proposed methods to real-world problems. |
| Data del bando | 19/12/2022 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
OTHER |
| Sito web del bando | https://www.unibz.it/it/home/position-calls/positions-for-academic-staff/6256-sistemi-di-elaborazione-delle-informazioni-prof-di-fatta-giuseppe?group=18 |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|
| Nome dell'Ente finanziatore | Libera Università di Bolzano |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | Bolzano |
| Sito web | https://www.unibz.it/ |
| personnel_academic@unibz.it | |
| Telefono | +390471011300 |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 21/02/2023 - alle ore 00:00 |
|---|---|
| Come candidarsi | https://www.unibz.it/it/home/position-calls/positions-for-academic-staff/6256-sistemi-di-elaborazione-delle-informazioni-prof-di-fatta-giuseppe?group=18 |