17 dez 2025
14:00 Defesa de Mestrado sala 85 do IC2
Tema
Otimização Combinatória em Curva-U para Aprendizagem com Tarefas Auxiliares (ATL): Uma Abordagem de Seleção de Tarefas
Aluno
Giovana Kerche Bonás
Orientador / Docente
Marcelo da Silva Reis - Coorientador: Marcos Medeiros Raimundo
Breve resumo
Em muitos domínios, a tarefa de interesse dispõe de poucos dados rotulados, o que limita o desempenho da Aprendizagem de Tarefa Única (STL). A Aprendizagem com Tarefas Auxiliares (ATL), uma variante da Aprendizagem Multi-Tarefa (MTL), visa transferir informação de tarefas-fonte para melhorar a generalização da tarefa-alvo. Entretanto, fontes pouco relacionadas geram transferência negativa e podem degradar o resultado. A maioria dos métodos de Aprendizagem Multi-Tarefa (MTL) otimiza pesos ou gradientes para um conjunto fixo de tarefas, deixando em aberto a questão crítica de quais tarefas selecionar. A busca exaustiva por subconjuntos pode ser computacionalmente inviável, enquanto heurísticas baseadas em conhecimento de domínio não são escaláveis. Para resolver essa lacuna, formulamos a seleção de tarefas como um problema de otimização combinatória bi-nível. Propomos um framework agnóstico em relação ao modelo que utiliza uma busca em árvore (branch-and-bound) guiada pela hipótese da Curva-U para explorar eficientemente o espaço de busca. Nossa estratégia poda ramos cuja inclusão de uma nova tarefa não reduz a perda de validação do alvo abaixo de um limiar, operando de forma automática e sem depender de conhecimento de domínio. A abordagem foi avaliada em bases sintéticas com correlações controladas e em cenários reais de detecção de spam e minas terrestres. Os resultados demonstram que nosso método supera, em média, a Aprendizagem de Tarefa Única (STL) e abordagens MTL comparativas, com ganhos significativos em AUC e Average Precision, além de menor Brier Score e log-loss competitivo. A análise confirma a capacidade do framework de mitigar a transferência negativa e identificar grupos de tarefas relevantes, estabelecendo a seleção orientada por dados como componente essencial para o sucesso da ATL.
Banca examinadora
Titulares:
| Marcelo da Silva Reis | IC/UNICAMP |
| Fabrício Martins Lopes | DACOM/UTFPR |
| Rafael Crivellari Saliba Schouery | IC/UNICAMP |
Suplentes:
| Esther Luna Colombini | IC/UNICAMP |
| Fernando José Von Zuben | FEEC/UNICAMP |