时 间：2023年4月10日 10:00-11:30
地 点：理科大楼A814
报告人：李赛 中国人民大学 准聘副教授
主持人：於州 华东师范大学 教授
摘 要：
Transfer learning provides a powerful tool for incorporating multiple related studies into a target study of interest with successful applications in machine learning and biological research. In this talk, I will first introduce the similarity characterization of related tasks and transfer learning algorithms for high-dimensional linear regression. Its theoretical guarantees and minimax optimality will be demonstrated. Next, I will introduce a transferred Q-learning algorithm, which can integrate source data into a target offline or online reinforcement learning problem. Improvement in policy learning will be demonstrated theoretically and numerically.
报告人简介：
李赛，中国人民大学统计与大数据研究院准聘副教授，博士生导师，入选国家高层次青年计划人才。2018年于罗格斯新泽西州立大学获得统计博士学位，毕业后于宾夕法尼亚大学生物统计系和统计系进行博士后研究，目前的研究方向包括高维数据分析、迁移学习、因果推断的统计方法及理论和在遗传学、流行病学和机器学习中的应用。