Mijung Park
La nomination
Titulaire de chaire en IA Canada-CIFAR (en congé)
Stratégie pancanadienne en matière d’IA
Connect
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2021
Mijung Park se concentre principalement sur la création d’algorithmes d’apprentissage automatique qui préserve la confidentialité à l’aide d’une notion mathématique sophistiquée appelée « confidentialité différentielle ». Elle s’intéresse également à la compression des modèles de réseaux neuronaux au moyen de méthodes bayésiennes et à la compréhension des relations entre la confidentialité différentielle et d’autres notions émergentes en apprentissage automatique comme l’équité, l’interprétabilité et la causalité.
Publications Pertinentes
- Harder, F., K. Adamczewski, M. Park. « DP-MERF: Differentially Private Mean Embeddings with RandomFeatures for Practical Privacy-preserving Data Generation », Artificial Intelligence and Statistics (AISTATS 2021), PMLR 130:1819‑1827.
- Adamczewski, K., M. Park. « Dirichlet Pruning for Convolutional Neural Networks », Artificial Intelligence and Statistics (AISTATS 2021), PMLR 130:3637‑3645.
- Harder, F., M. Bauer, M. Park, « Interpretable and Differentially Private Predictions », Proceedings of the AAAI Conference on Artificial Intelligence, 34(04):4083‑4090, 2020.
- Park, M., J. Foulds, K. Chaudhuri, M. Welling. « Variational Bayes in Private Settings (VIPS) », Journal of Artificial Intelligence Research, 68:109‑157, 2020.
- Park, M., J. Foulds, K. Chaudhuri, M. Welling. « DP-EM: Differentially Private Expectation Maximization », Artificial Intelligence and Statistics (AISTATS 2017), PMLR 54:896‑904.