קולוקוויום וסמינרים

כדי להצטרף לרשימת תפוצה של קולוקוויום מדעי המחשב, אנא בקר בדף מנויים של הרשימה.


Computer Science events calendar in HTTP ICS format for of Google calendars, and for Outlook.

Academic Calendar at Technion site.

קולוקוויום וסמינרים בקרוב

  • בית-ספר קיץ השביעי בנושא אבטחת סייבר

    The 7th Summer School on Cyber and Computer Security

    תאריך:
    יום שלישי, 2.10.2018, 09:30
    מקום:
    טכניון

    מרכז המחקר לאבטחת סייבר ע"ש הירושי פוג'יווארה יקיים את בית-ספר קיץ השביעי על אבטחת סייבר ומחשבים: "Trusted Execution and Hardware Side Channels"

    הכנס יתקיים בימים ג'-ה', 4-2 באוקטובר, 2018, בטכניון, חיפה.

    מארגני הכנס:
    פרופ' מרק זילברשטיין  – טכניון
    פרופ' יוסי אורן
     – אוניברסיטות בן-גוריון

    דוברים:
    Ittai Anati, Intel Israel
    Herbert Bos, VU Amsterdam
    Christof Fetzer, TU Dresden Daniel Genkin, University of Michigan
    Taesoo Kim, Georgia Tech
    Eyal Ronen, Weismann Institute of Science
    Avishai Wool, Tel-Aviv University

    ההרשמה פתוחה.

    פרטים נוספים, תוכנית מלאה ומידע על מרכז המחקר לאבטחת סייבר ע"ש הירושי פוג'יווארה.

  • Label Expansion - Integrating Prior Knowledge to Large Label Set Tasks

    דובר:
    דור זהר, הרצאה סמינריונית למגיסטר
    תאריך:
    יום חמישי, 11.10.2018, 14:30
    מקום:
    טאוב 301
    מנחה:
    Prof. Roi Reichart

    In many Natural Language Processing classification tasks, the label space consists of the entire vocabulary, and therefore might have hundreds of thousands of labels. Important tasks such as language modeling, machine translation and dialog systems all have vocabulary label sets. Due to Zipf's law, a large number of words in the vocabulary will have only a few appearances in the corpus, hindering the ability to learn proper representations for these words. This work utilizes a prior hierarchical clustering of the words in the label set, in order to achieve better representation of the words. The hierarchical structure enables starting with a label set of coarse-grained concepts, and gradually refining it to the whole vocabulary. In our work, we examine two tasks with vocabulary label sets - language modeling and word2vec. We present the contribution of the prior knowledge to the performance on the two tasks comparing to the baseline, both in intrinsic and extrinsic tests.

  • Predicting a Better Future for Asynchronous Stochastic Gradient Decent with DANA

    דובר:
    עידו חכימי, הרצאה סמינריונית לדוקטורט
    תאריך:
    יום שלישי, 30.10.2018, 14:30
    מקום:
    טאוב 601
    מנחה:
    Prof. Assaf Schuster

    Distributed training can significantly reduce the training time of neural networks. Despite its potential, however, distributed training has not been widely adopted due to the difficulty of scaling the training process. Existing methods suffer from slow convergence and low final accuracy when scaling to large clusters, and often require substantial re-tuning of hyper-parameters.

    We propose DANA, a novel approach that scales to large clusters while maintaining state-of-the-art accuracy and converge speed without having to re-tune parameters that are optimized for training on a single worker. By adapting Nesterov Accelerated Gradient to a distributed setting, DANA is able to predict the future position of the model's parameters and so mitigate the effect of gradient staleness, one of the main difficulties in asynchronous SGD.