讲座题目：
噪声对机器学习系统的影响与修正
讲座内容：
噪声在现实世界中极其常见。在本次报告中，我们将涵盖噪声在多个场景中的表现并给出处理方法。具体来讲，我们首先介绍如何使用统计方法来评估图片受噪声污染的程度；并给出在众包系统中，如何通过贝叶斯的方法提高样本标注的准确率；最后我们给出当训练集被噪声污染时，如何对深度网络进行有效训练。
在本次报告中，我也会向大家介绍目前腾讯量子实验室AI团队的业务，包括使用拟合模型来估计分子的生化性质，使用生成模型辅助药物小分子的设计，并使用强化学习模型指导分子的合成。
主讲人介绍：
陈广勇于2012年从南京大学电子科学与工程学院取得学士学位，2016年从香港中文大学计算机系取得博士学位，并在香港中文大学继续从事博士后研究。2018年至今陈广勇在腾讯量子实验室担任高级研究员，负责领导腾讯量子实验室AI团队。陈广勇的研究方向为机器学习理论及其在不同领域的应用，包括图像、语音、推荐系统与化学制药等。陈广勇已在国际顶级会议与期刊上发表多篇工作，包括ICML, CVPR, ICCV, ICDM, TPAMI, TKDD等，并担任多个顶级期刊与会议的评审，包括CVPR, ICCV, TNNLS, TVCG等。
