Estamos buscando estudiantes motivados con intereses en grafos/optimización/estadística y programación, dispuestos a empezar posgrado en 2024.
Resumen
Desarrollos recientes en la aplicación del aprendizaje profundo han hecho de las redes neuronales una tecnología clave que se espera ocupe un papel preponderante en la sociedad a corto plazo. A medida que la importancia de estas tecnologías aumenta, el estudio y comprensión de sus limitaciones se hacen más importantes para la sociedad como conjunto. Fenómenos como la susceptibilidad de los modelos de imagen a corrupción adversaria, que revela la fragilidad de las redes neuronales, o la propensión de los modelos de lenguaje a producir "alucinaciones", entre otras, hacen fundamental la construcción de algoritmos de aprendizaje automático que incorporen garantías formales de calidad y rendimiento.
En este proyecto proponemos varias arquitecturas novedosas de ML que vienen acompañadas de certificados (es decir de demostraciones matemáticas) de la calidad de sus resultados. En concreto, desarrollaremos algoritmos de aprendizaje por reforzamiento para construir soluciones aproximadas de problemas NP-completos con garantías de calidad, combinando ideas de RL y trabajos recientes en optimización combinatoria y geometría discreta. Así mismo desarrollaremos un nuevo paradigma para entrenar arquitecturas de redes neuronales basadas en grafos (GNNs) que simultáneamente construye demostraciones de su estabilidad. Estos algoritmos fundacionales tienen una enorme cantidad de aplicaciones concretas y se pondrán a disposición de actores académicos y de la industria como implementaciones de código abierto, aumentando la capacidad científica y técnica del país.
Contacto: Marcelo Fiori mfiori [at] fing.edu.uy (mfiori[at]fing[dot]edu[dot]uy)
_____________________________________________