Descrizione

Titolo del progetto di ricerca: Multi-Task Deep Learning (MTDL) Start-up fund Fondamenti teorici e matematici del Multi-Task Deep Learning
CUP: I53C22002310005
Centro di costo: IN2815

Descrizione dell’attività da svolgere dal/la collaboratore/trice:
Questo progetto di ricerca studia i principi teorici e matematici alla base degli approcci di multi-task deep learning. In particolare, il lavoro si concentrerà sulla creazione di una base rigorosa per comprendere in che modo le rappresentazioni condivise, le strategie di ottimizzazione e i limiti di generalizzazione contribuiscono all'efficacia e all'equità (fairness) dell'apprendimento multi-task. Nello specifico il collaboratore/la collaboratrice dovrà:
•Condurre un'analisi matematica rigorosa dell'equità nell'apprendimento multitasking (MTL), con particolare attenzione alle proprietà di generalizzazione degli obiettivi sensibili all'equità (fairness).
•Sviluppare e formalizzare un'analisi teorica che combini le prestazioni dei compiti (task) con i vincoli di equità (fairness), utilizzando strumenti avanzati di probabilità, teoria dell'apprendimento e analisi funzionale.
•Sulla base di questo studio teorico, redigere una relazione tecnica per un'analisi di generalizzazione per fairness di gruppo con metodi di apprendimento basato su compiti ausiliari (auxiliary task).

Il richiedente: prof. Giuseppe Di Fatta