Основные идеи SLT: как и зачем измерять сложность модели

🎙️ Спикер: Слава Меритон

О чем:

Singular Learning Theory (SLT) говорит, что количество параметров не показывает настоящую сложность модели. Вместо этого она предлагает искать другие, более точные способы измерять эту сложность.

• Что мы понимаем под сложностью модели, и зачем ее измерять?
• Почему большие модели не всегда «сложнее»?
• Как связаны байесовская перспектива, сложность модели и ее обучение?
• Что это значит для анализа и интерпретации нейросетей?

Доклад задуман как краткое и ориентированное на непрофессионалов объяснение базовых идей SLT.

Что будет:

• Общий обзор того, какие существуют подходы к измерению сложности.
• Пересказ статьи из программы стажировки: You’re Measuring Model Complexity Wrong.
• Обсуждение.

📍Адрес: Ломоносовский проспект, 25к3. По вопросам прохода на территорию — пишите @MonoidAdmin.