Sašo Džeroski
Istituto Jožef Stefan, Slovenia
Biografia: Oltre ad essere ricercatore di prima fascia presso l’Istituto Jožef Stefan di Lubiana, Slovenia, Sašo Džeroski è anche professore ordinario della Scuola internazionale post-laurea Jožef Stefan. Il suo gruppo di ricerca studia l'apprendimento automatico ed il data mining (compresa la previsione strutturata dell'output e la modellazione automatizzata di sistemi dinamici) e le loro applicazioni (nelle scienze ambientali, inclusa l'ecologia/modellistica ecologica, e nelle scienze naturali, compresa la biologia/medicina dei sistemi).
Ha partecipato a numerosi progetti internazionali di ricerca, coordinandone tre. Recentemente è stato responsabile del progetto MAESTRA di FET Open XTrack (Learning from Massive, Incompletely annotated, and Structured Data). Attualmente è uno dei principali ricercatori del progetto FET Flagship Human Brain. E’ stato responsabile scientifico e/o organizzativo di innumerevoli conferenze internazionali, quali ECML PKDD 2017, DS-2014, MLSB-2009/10, ECEM ed EAML-2004, ICML-1999 ed ILP-1997/99; tra queste, l’ICML ed lìECML PKDD sono tra gli eventi scientifici più importanti nel campo dell’apprendimento automatico e della scienza dei dati.
Previsione multi-target con alberi e gruppi di alberi
Sempre più spesso abbiamo bisogno di apprendere modelli predittivi da big o complex data che possono comprendere molti esempi e molte dimensioni di input/output. Si parla di previsione multi-target quando è necessario prevedere più di una variabile target. I problemi di modellazione predittiva possono presentare anche altre forme di cmplessità, ad esempio possono riguardare dati incompleti/parzialmente etichettati, come nell'apprendimento semi-supervisionato, o dati inseriti in un contesto di rete.
Nella prima parte del contributo verranno innanzitutto presentati i diversi compiti della previsione multi-target, come la classificazione e la regressione multi-target, le versioni gerarchiche e le versioni delle attività che comportano una maggiore complessità (come la regressione multi-target semi-supervisionata e classificazione gerarchica multi-etichettata basata sulla rete). Dopodiché saranno evidenziate alcune possibili soluzioni, in particolare gli alberi predittivi di clustering e l’insiemi di questi. Infine, saranno illustrati esempi di applicazioni delle previsioni multi-target nelle scienze naturali, in particolare sulla modellazione predittiva nello screening dei composti virtuali per il riutilizzo dei farmaci.