<div dir="ltr">Caros,<div><br></div><div><div dir="ltr" class="gmail_signature" data-smartmail="gmail_signature"><div dir="ltr"><div style="text-align:justify">Na próxima sexta-feira (29 de Setembro, às 13:30h) o ciclo de Seminários do Departamento de Estatística da UFMG terá a apresentação do prof. Luis Carvalho da Boston University.</div></div><div dir="ltr"><br><div><div><span style="font-family:arial,sans-serif">Luis Carvalho é formado em Engenharia Civil pela UFC, com mestrados em Engenharia de Transporte pela COPPE-UFRJ e Computação pela UFC, e doutorado em Matemática Aplicada pela Brown University. Luis é professor do departamento de Matemática e Estatística da Boston University desde 2009. Seus temas de pesquisa são focados em inferência bayesiana em espaços estruturados e discretos com várias aplicações em genética e biologia computacional, ciências ambientais e cartografia digital, ciências sociais, e engenharia de transportes.</span><br></div><div><br></div></div><div>Title: <span style="font-family:arial,sans-serif">Deviance Matrix Factorization</span><br></div><div><br></div></div><div dir="ltr">Abstract: <span style="font-family:arial,sans-serif">The singular value decomposition can be used to find a low-rank representation of a matrix under the Frobenius norm (entrywise square-error loss) and, for this reason, it enjoys an ubiquitous presence in many areas, including in Statistics with principal component and factor analyses. In this talk, we discuss a generalization of this matrix factorization, the deviance matrix factorization (DMF), that assumes broader deviance losses and thus allows for more meaningful and representative decompositions under different data domains and variance assumptions. We provide an efficient algorithm for the DMF and discuss using entrywise weights to represent missing data. We propose two tests to identify suitable decomposition ranks and data distributions and prove a few theoretical guarantees such as consistency. To showcase the practical performance of the proposed decomposition, we present a number of case studies in genetics, network analysis, and image classification. Finally, we offer a few directions for future work. This is joint work with Liang Wang.</span><br></div><div dir="ltr"><span style="font-family:arial,sans-serif"><br></span></div><div dir="ltr">O seminário será transmitido ao vivo pelo canal do Youtube "<a href="https://www.youtube.com/@seminariosdest-ufmg" target="_blank">Seminários DEST - UFMG</a>".<br><br><a href="https://www.youtube.com/@seminariosdest-ufmg" target="_blank">https://www.youtube.com/@seminariosdest-ufmg</a><br></div><div><br></div><div dir="ltr">Att,<br>Marcos Prates</div></div></div></div>