雷鋒網 AI 研習社按，近日，谷歌在蘇黎世辦事處舉辦了一場有關算法與優化的專題講座，旨在通過提供一個論壇來交流機器學習理論和大規模圖挖掘領域的想法。該論壇涉及到市場算法、機器學習理論、大規模圖挖掘、隱私與公平、略圖構造、哈希和動態算法這五個方向。在講座結束之後，Google 蘇黎世辦事處研究員 Silvio Lattanzi 和 Google 紐約辦事處研究員 Vahab Mirrokni 對講座內容進行了總結整理，相關文稿和視頻現已對外公布。雷鋒網 AI 研習社獲授權轉載，做了不改變原意的編輯整理：
近日，谷歌在蘇黎世辦事處舉辦了一次有關算法與優化的專題講座，旨在通過提供一個論壇來交流機器學習理論和大規模圖挖掘領域的想法，培育學術界研究員和 Google 研究員之間的協作。
專題講座分為五個部分，每個部分都包括由接觸以下研究領域的出席者所作的演講：
Silvio Lattanzi 正在演示圖挖掘團隊的工作
市場算法
此部分包含五個演講，探討了與優化在線市場和重複拍賣相關的問題。Vahab Mirrokni（Google 紐約辦事處）以一個介紹市場算法項目的概覽演講開啟了這個部分，隨後，Paul Duetting（倫敦政治經濟學院）講解了用於定價的隨機優化的近期發展。Renato Paes Leme（Google 紐約辦事處）談論了實踐中的動態拍賣。Stefano Leonardi（羅馬大學）講解了預訂交易平臺市場面臨的挑戰，最後，Radu Jurca（Google 蘇黎世辦事處）說明了如何打包 YouTube 預訂廣告。
機器學習理論
我們的第二部分側重於機器學習研究的理論方面。Olivier Bousquet（蘇黎世 Google Brain 團隊）開啟了這個部分，他討論了分發的不可知學習中的挑戰。隨後，Amin Karbasi（耶魯大學）和 Andreas Krause（蘇黎世聯邦理工學院）分別介紹了子模塊化優化和學習子模塊化模型的最新成果。Martin Jaggi（洛桑聯邦理工學院）說明了並行處理優化算法的新技術。最後，Nicolò Cesa-Bianchi（米蘭大學）介紹了老虎機新成果。
大規模圖挖掘
在這一部分中，我們介紹了大規模圖挖掘項目的一些成就和挑戰。Silvio Lattanzi（Google 蘇黎世辦事處）開啟了這個部分，他介紹了圖挖掘團隊的應用和理論工作。之後，Piotr Sankowski（華沙大學）演示了一個用於說明真實圖中級聯大小的有趣模型。Thomas Sauerwald（劍橋大學）演示了合併隨機漫步領域的部分新成果，Peter Sanders（卡爾斯魯厄理工學院）介紹了大型數據集算法工程方面的幾個有趣成果。在這場演講之後，我們與 Peter Sanders 和 Christian Schulz（維也納大學）就用於生成均衡圖分割結果的不同技術展開了頭腦風暴，這些結果優於近期一篇論文中所生成切割的質量。我們期待看到改進的結果。
隱私與公平
此部分介紹了與隱私保護算法以及機器學習和推薦系統中的公平有關的新主題。這兩個主題是機器學習的主要關注領域。例如，Sergei Vassilvitskii（Google 紐約辦事處）講解了用於計算公平聚類的新算法，Elisa Celis（洛桑聯邦理工學院）則討論了機器學習領域算法公平和偏差的多個方面。Florin Ciocan（歐洲工商管理學院）介紹了用於公平分配的算法，Graham Cormode（華威大學）講解了用於專屬邊際統計的算法。
略圖構造、哈希和動態算法
最後一個部分介紹了略圖構造、哈希和動態算法領域的一些最新成果。Morteza Zadimoghaddam（Google 紐約辦事處）開啟了這個部分，他介紹了一種用於動態一致性哈希的新算法。隨後，Robert Krauthgamer（魏茨曼科學研究所）講解了略圖構造與組合優化領域的一些最新成果。Sayan Bhattacharya（華威大學）介紹了通過原始-對偶方法進行的動態算法設計。最後，Pino Italiano（羅馬第二大學）講解了用於網絡分析的有效新算法。
整體來說，這場論壇舉行了許多出色的演講，並提供了大量機會來討論有趣的問題。
所有的演示文稿（包括視頻）都可以在谷歌的專題講座網站上找到：
地址：