Na seminarium omówione zostanie wektorowe modele języka skonstruowane dla polskiego w oparciu o lematy i formy słów oraz ich wykorzystanie w typowych zastosowaniach rozpoznawania synonimii i analogii między zadanymi parami słów. Następnie przedstawione będzie wykorzystanie wektorowych modeli do rozpoznawania metaforycznego i literalnego znaczenia fraz typu przymiotnik-rzeczownik (AN). Przedstawiona zostanie implementacja oceniająca frazy izolowane oraz zostanie ona porównana do metod opisanych w literaturze. Na koniec przedstawiony zostanie stan prac dotyczących rozpoznawania metaforycznego lub literalnego znaczenia frazy AN w kontekście zdaniowym.

Podczas seminarium przedstawię postęp prac nad zastosowaniem metody sterowania wykonaniem aplikacji równoległej w oparciu o detekcję i analizę jej globalnych stanów spójnych do optymalizacji symulacji równoległej sterowanej zdarzeniami. W skrócie przypomnę przyjętą metodę sterowania przebiegiem wykonania aplikacji równoległej, opowiem kilka słów o symulacji równoległej, przedstawię koncepcję sprzęgnięcia obu tych zagadnień oraz pokażę wyniki badań eksperymentalnych, które udało się (z powodzeniem) uzyskać, a które zostały przedstawione na międzynarodowej konferencji PPAM'2017. Jeśli będzie to możliwe, przedstawię również najnowsze wyniki eksperymentalne, nad którymi pracuję w tej chwili.

Podczas wystąpienia opowiem o zadaniu automatycznej poprawy błędów językowych w tekstach pisanych przez osoby uczące się języka angielskiego jako języka obcego. Przedstawię wyniki badań nad zastosowaniem statystycznego tłumaczenia maszynowego opartego na frazach, które w sposób znaczący poszerzyły aktualny stan wiedzy w dziedzinie. Omówię jak istotna jest właściwa optymalizacja modelu na podstawie przyjętej automatycznej miary ewaluacji oraz zastosowanie odpowiednich cech gęstych i rzadkich. Zwięźle opiszę również dalsze badania z wykorzystaniem neuronowego tłumaczenia maszynowego.

Celem modelowania statystycznego często jest selekcja osób, które mają zostać poddane jakiemuś działaniu, na przykład kampanii marketingowej lub terapii medycznej. Niestety, klasyczne metody uczenia maszynowego biorą pod uwagę jedynie wyniki po dokonaniu działania, przez co nie są w stanie poprawnie oszacować jego rzeczywistych skutków. Modelowanie różnicowe korzysta dodatkowo z grupy kontrolnej niepoddanej działaniu, dzięki czemu możliwe staje się przyczynowe modelowanie siły wpływu danego działania na poszczególne osoby.

W ramach seminarium przestawione zostaną adaptacje szeregu metod uczenia maszynowego do problemu modelowania różnicowego. Następnie szczegółowo omówiony zostanie przypadek regresji liniowej, gdzie możliwe jest teoretyczne porównanie różnych podejść do problemu, pokazujące ich wady i zalety. Przedstawione zostanie również nowe podejście do regresji różnicowej łączące zalety innych podejść.