华东师范大学普陀校区思羣堂

题目：Conformal Inference for Machine Learning with Blackbox Models：Uncertainty Quantification, Error Rate Control and Statistical Parity

时间：2023年8月26日 8:30-9:15

摘要：Conformal inference provides rigorous theory for grounding complex machine learning methods without relying on strong assumptions or highly idealized models.  The primary challenge is to effectively integrate data from various sources and provide fair, robust, efficient, and reliable analytical tools for high-consequence decision-making scenarios. In the first part of this talk, I will present novel conformal inference methods for out-of-distribution testing that leverage side information from labeled outliers, which are often underutilized or even discarded by conventional conformal p-values. By blending inductive and transductive conformal inference strategies in a principled way, our methods are computationally efficient and can automatically leverage the most powerful model from a collection of one-class and binary classifiers. The second part of the talk will focus on controlling the false discovery rate in multiple testing using conformal p-values with a conditional calibration strategy. Finally, we will introduce a fair and highly efficient R-value method to correct algorithmic biases in large-scale inference, control the decision risk and ensure statistical parity.

简介：孙文光是浙江大学求是讲席教授和数据科学研究中心主任。入选国家高层次人才项目。2003年北京大学学士，2008年宾夕法尼亚大学博士。2022全职回国前担任美国南加州大学马绍尔商学院数据科学与运筹系教授。主要研究方向为大规模统计推断、整合分析和迁移学习、共形推断和统计决策理论。曾获美国科学基金会CAREER Award，USC商学院杰出研究奖和Golden Apple最佳教学奖等, 2010-2022其研究持续获得美国科学基金会资助，曾担任JRSS-B及Journal of Multivariate Analysis的副主编。

题目：Theoretical Foundations of Computational Sampling

时间：2023年8月26日 9:30-10:15

摘要：蒙特卡罗法（Monte Carlo methods）是与计算机同一时期诞生的二十世纪最重要的科技产物之一。这一方法利用随机采样，因此能够高效计算原本传统确定性方法难以计算的量。它的发现拓展了人类高效计算的边界，深刻地影响了人们对计算本质的理解。在这一计算优越性的帮助下带来的科学新发现也塑造了人们今天对客观世界的认识。

本报告将系统介绍报告人近年来在计算采样理论、以及现代蒙特卡罗算法的设计与分析等方面取得的系统性的重要进展，包括：概率图模型和约束满足解的采样的“计算相变”；马尔可夫链蒙特卡罗（MCMC）采样的并行化；采样的局部化算法的新范式。

简介：尹一通，南京大学教授，本科毕业于南京大学、博士毕业于耶鲁大学；博士毕业后在南京大学工作至今，目前担任南京大学理论计算机科学团队负责人。主要研究兴趣包括：随机算法、计算采样，数据结构、并行与分布式计算理论等。在JACM、SICOMP、STOC、FOCS、SODA等理论计算机科学的重要期刊与会议发表论文五十余篇。主持国家重点研发计划项目“数据科学的若干基础理论”，获国家自然科学基金-优秀青年科学基金支持，曾获CCF/IEEE CS青年科学家、CCF优博导师、中创软件人才奖、教育部新世纪人才、南京大学青年五四奖章等荣誉。