报告题目： Decisions and Contexts: On Gradient-Based Methods for Finding Game-Theoretic Equilibria

报告摘要：

对于现代IT行业的统计(ML),统计问题解决者面临许多新挑战。市场可以被视为分散的算法，它们会完成一些复杂的任务，比如带必要的物品进入城市，日复一日，它们是适应性的(适应身体上的变化或社会结构)，如果我们在寻找终生适应的原则，我们应该是将市场视为智能系统!当然，市场并不完美，这只是意味着有研究机会。怎样创造市场的统计系统，管理云边缘交互，设计能够快速找到抽象的系统和能够解释他们决策的系统。

嘉宾介绍

Michael I. Jordan是加州大学伯克利教授，智源研究院学术委员会委员，美国计算机科学和统计学学者，主要研究机器学习和人工智能。他的重要贡献包括指出了机器学习与统计学之间的联系，并推动机器学习界广泛认识到贝叶斯网络的重要性。