<div dir="ltr">Caros,<br><br>Na próxima sexta-feira (<i><font color="#ff0000">11 de junho, às 13:30h</font></i>) o ciclo de Seminários do <i>Departamento de Estatística da UFMG</i> terá a apresentação de Mariana Cúri. <br><br>Mariana é professora do ICMC - USP (São Carlos). Ela desenvolve pesquisa em Psicometria, Deep Learning, TRI, Modelos cognitivos e Testes adaptativos informatizados.<br><br>O seminário será transmitido ao vivo pelo canal do Youtube "<i><a href="https://www.youtube.com/channel/UCoZC2_pME9ca_-Hx4djd60w" target="_blank">Seminários DEST - UFMG</a></i>":<br><br>Att,<br>Vinícius Mayrink<br><br><b>********** Título e Resumo **********</b><br><br>Mariana Cúri (ICMC - USP, São Carlos).<br><br><i>Role of deep learning in multidimensional item theory models with correlated latent variables. </i><br><br>Artificial neural networks with a specific autoencoding structure are capable of estimating parameters for the Multidimensional Logistic 2-Parameter (ML2P) model in Item Response Theory, but with limitations, such as uncorrelated latent traits. In this work, we extend variational autoencoders (VAE) to estimate item parameters and correlated latent abilities, and directly compare the ML2P-VAE method to more traditional parameter estimation methods.  In addition, we show that the ML2P-VAE method is capable of estimating parameters for models with high numbers of latent variables with low computational cost, where traditional methods are infeasible for high dimensionality.<br><div><br></div>-- <br><div dir="ltr"><div dir="ltr"><div dir="ltr"><div dir="ltr"><i><font color="#999999">Vinícius D. Mayrink</font></i><div><i><font color="#999999">Professor Associado - Departamento de Estatística</font></i></div><div><i><font color="#999999">ICEx, Universidade Federal de Minas Gerais</font></i></div></div></div></div></div><div><br></div><div dir="ltr" data-smartmail="gmail_signature"><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"></div></div></div></div></div></div></div>