<div dir="ltr"><div>Hola, este viernes 23/8 a las 10.30 hs tendremos la primera charla del segundo semestre del Seminario de Probabilidad y Estadística. En esta ocasión tenemos una defensa de tesis de maestría.</div><div>Saludos</div><div><br></div><div>Nicolás</div><div>-------</div><div><b><br></b></div><div><b>Día y hora:</b> Viernes 23 de agosto, 10.30 am.</div><div><br></div><div><b>Lugar:</b> salón 703 de FING.</div><div><br></div><div><b>Expositor: </b>Brian Britos (maestría en Ciencia de datos y aprendizaje automático)</div><b><div><b><br></b></div>Título: </b>Transporte óptimo y adaptación de dominio: Un recorrido desde Gaspard Monge hasta el aprendizaje automático.<br><br><b>Resumen: Defensa de tesis de maestría de Ciencia de datos y aprendizaje automático.</b><div><b><br></b>El transporte óptimo es un área de la matemática que busca minimizar el costo asociado con mover una distribución de masa desde una posición inicial hasta una posición destino. Este costo puede estar basado en diferentes métricas, siendo la distancia euclı́dea uno de los ejemplos más comunes. Este problema fue formulado inicialmente por el matemático francés Gaspard Monge en el siglo XVIII y más tarde reformulado y extendido por el matemático ruso Leonid Kantorovich en el siglo XX. Una aplicación reciente en el aprendizaje automático es en el problema de la adaptación de dominio. Este problema consiste en aplicar un modelo de aprendizaje automático entrenado en un dominio fuente, con amplia disponibilidad de datos etiquetados, a un dominio objetivo posiblemente distinto donde los datos etiquetados son escasos o inexistentes. Exploramos cómo utilizar el transporte óptimo para abordar el problema de la adaptación de dominio y proponemos un procedimiento para abordar el problema de la adaptación de dominio cuando el modelo es una regresión lineal simple y los dominios difieren a través de una rotación, donde realizamos varias simulaciones para ponerlo a prueba.<br></div></div>