CIKM 2022 AnalytiCup Competition: 联邦异质任务学习
简介:为了探索联邦学习中的异质性,推动联邦学习领域的发展,阿里巴巴达摩院智能计算实验室联合天池举办“CIKM 2022 AnalytiCup Competition: 联邦异质任务学习”大赛,期待借助本次比赛助力打破现实应用中的“数据孤岛”,推动实现数据价值的共享。
CIKM 2022 AnalytiCup Competition: 联邦异质任务学习
联邦学习(Federated Learning)是一种新的机器学习范式,允许多个参与者在不直接分享各自数据的前提下共同训练机器学习模型。其核心挑战是如何应对参与者之间的异质性(Heterogeneity),其中数据分布的异质性(non-IID)已引起了研究界的广泛关注,并快速成为了联邦学习领域的研究热点之一。然而,在联邦学习的许多实际应用中,联邦任务参与者之间的异质性往往更加复杂,也更具挑战性:不仅仅是数据分布,甚至参与者的任务都会呈现出较大的差异性。例如,在一个分子图的联邦学习任务中,某些参与者的目标是对分子的类型进行判断,即分类任务,另外部分参与者的目标是预测分子化学性质的强弱,即回归任务。在这种任务场景下,虽然参与者都要求训练得到的模型具有对分子图表征的理解能力,但是其具体的学习目标是完全不同的,相比数据分布的异质性更具挑战性。
为了应对联邦学习在现实应用中遇到的上述挑战,阿里巴巴达摩院智能计算实验室提出了一种新的联邦学习设定:联邦异质任务学习(Federated hetero-task learning)。相比于传统的联邦学习,这一设定鼓励研究者将联邦学习与多任务学习(Multi-task learning)、模型预训练(Model pre-training)、自动机器学习(Auto-ML)等不同领域的研究概念进行融合,从而打通现实应用中的“数据孤岛”,并最终实现数据价值的共享。与此同时,达摩院智能计算实验室设计实现了开源的联邦学习平台——FederatedScope[1,2],来帮助研究人员更加容易地探索、设计、实现联邦异质任务学习算法,并进行充分地验证。
同时,阿里巴巴达摩院智能计算实验室联合天池举办“CIKM 2022 AnalytiCup Competition: 联邦异质任务学习”大赛,并准备了丰厚的奖励,期待更多的同学能够共同参与到联邦异质任务学习的探索中。
为了帮助参赛者能够尽快上手,我们准备了一个详细的教程,并提供了一个可以直接使用的playground供参赛者使用。
- 比赛官方网址:https://tianchi.aliyun.com/competition/entrance/532008/introduction
- FederatedScope开源联邦学习平台:https://github.com/alibaba/FederatedScope
比赛奖金:
- 第一名:5000 USD
- 第二名:3000 USD
- 第三名:1500 USD
- 第四至十名:各500 USD
比赛证书:
- 第一至二十名:排名证书
- 其他:参赛证书
比赛时间安排(所有时间以截止日期的UTC时间11:59PM计算)
- 2022年07月15日:比赛开始,数据集和代码开放下载。论坛和比赛排行榜开始更新。
- 2022年09月01日:比赛注册结束。
- 2022年09月11日:预测结果提交截止。
- 2022年09月12日:主办方进行代码审查,排行榜前30名的队伍将自动进入代码审查阶段。
- 2022年09月18日:公布代码审查结果。
- 2022年09月21日:公布"CIKM 2022 AnalytiCup Competition"结果。
- 2022年10月17日:CIKM 2022会议开始。
引用
- FederatedScope: A Flexible Federated Learning Platform for Heterogeneity. arXiv preprint 2022. pdf
- FederatedScope-GNN: Towards a Unified, Comprehensive and Efficient Package for Federated Graph Learning. KDD 2022. pdf
原文链接:https://developer.aliyun.com/article/991177?
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
CIKM 2022 AnalytiCup Competition: 联邦异质任务学习相关推荐
- CIKM 2021 | 基于异质图学习的搜索广告关键词推荐模型及实践
猜你喜欢 0.[免费下载]2021年11月热门报告盘点1.如何搭建一套个性化推荐系统?2.从零开始搭建创业公司后台技术栈3.全民K歌推荐系统算法.架构及后台实现4.微博推荐算法实践与机器学习平台演进5 ...
- CIKM 2021 | 基于异质图学习的搜索广告关键词推荐
丨目录: - 摘要 - 背景 - 问题定义 - 方法 - 在离线实验 - 结语 - 相关文献 ▐ 摘要 近年来,在线广告在消费者侧的大量工作受到了广泛关注,对广告平台来说,广告主营销优化工作在广告系统 ...
- CIKM 2022最佳论文:融合图注意力机制与预训练语言模型的常识库补全
©作者 | 巨锦浩 单位 | 复旦大学硕士生 来源 | 知识工场 研究背景 常识在各种语料库中很少被明确表达,但对于机器理解自然语言非常有用.与传统的知识库(KG)不同,常识库(CKG)中的节点通常由 ...
- ACM顶会CIKM 2022放榜!度小满AI Lab三篇入选
视学算法报道 编辑:好困 [导读]国际顶会历来是AI技术的试金石,也是各家企业大秀肌肉的主战场. 近日,第31届ACM信息与知识管理国际会议(The 31th ACM Internationa ...
- 因果推断16--市场营销中资源分配问题的直接异质因果学习(美团)
题目:市场营销中资源分配问题的直接异质因果学习 Direct Heterogeneous Causal Learning for Resource Allocation Problems in Mar ...
- Maya 2022中的硬表面建模技术学习视频教程
Maya 2022中的硬表面建模 信息: 使用正确的拓扑和边流在Maya中建模硬曲面对象. 你会学到什么 硬质表面工具和技术 细分工作流程 边缘流动控制 正确拓扑 材料设置 Studio Lightn ...
- CIKM 2021 | Google出品:将对比学习用于解决推荐系统长尾问题
©作者 | Sybil Wu 单位 | 明略科技集团 研究方向 | NLP.推荐算法 本文主要分享一下 Google 发表于 CIKM 2021 的文章如何采用对比学习解决推荐长尾问题. 论文标题: ...
- Per-FedAvg:联邦个性化元学习
关注公众号,发现CV技术之美 Personalized Federated Learning with Theoretical Guarantees: A Model-Agnostic Meta-Le ...
- 2022年最新前端零基础学习路径
2022年最新前端零基础学习路径 近几年互联网行业可谓发展火热,也因此新生了很多职业,而这众多的新生职业中备受瞩目的当属web前端工程师.因此现在越来越多人选择学习web前端技术,想要通过这份技能赢得 ...
最新文章
- matlab 2016b更改工作路径
- 打开摄像头,2D插画实时变动画,中国程序媛出品,Demo在线可玩
- go消息服务器吗,Go语言聊天服务器
- 趣文:程序员/开发人员的真实生活
- mybatis学习(21):MySQL 字符串 转换 CAST与CONVERT 函数的用法
- ASP.NET简易教程3——SQL存储过程
- hadoop--HDFS_机架感知与网络拓扑节点距离计算
- Perl opendir()函数
- 操作系统文件管理_计算机民科笔记-操作系统week1
- 如何在github上下载某个项目的单独某个目录
- matlab小波工具箱讲解,Matlab中的小波分析工具箱详解.ppt
- python实验四_20191318实验四 《Python程序设计》实验报告
- 手机图形计算器matlab,Mathlab计算器安卓版
- 阿里云主机的公网带宽和私网带宽的介绍
- Unity Rect.OverLaps(Rect other) 改进
- 日入500+的程序员都在用的“接私活”平台
- hdu 2222 AC 自动机 模版(数组实现)
- python抢券代码_用Python写一个京东抢券脚本
- sublime3可用激活码
- 【POJ】1008 Maya Calendar