预算约束下的机器学习：巴黎六院博士论文精华

本篇论文是由加布里埃拉·孔塔尔多撰写并在2017年提交给巴黎第六大学的博士论文，主题聚焦于"预算约束下的机器学习"。这是一项深入研究了在资源有限的情况下如何优化机器学习算法和模型的学术作品。论文作者针对计算机科学领域的高级学位课程，特别是在Machine Learning and Information Access团队，探讨了在面对预算限制时如何平衡模型性能、计算效率与数据处理成本的问题。 加布里埃拉的研究工作可能涉及到了对现有机器学习技术的调整，如特征选择、模型压缩、分布式计算或者使用更经济的算法来应对硬件资源的局限。她可能还探讨了如何通过理论分析或实证研究来量化预算约束对模型效果的影响，以及如何在实际应用中找到最佳的解决方案。 在论文中，加布里埃拉的导师包括Ludovic DENOYER教授和Thierry ARTIYERES教授，他们对该研究提供了指导和支持。论文在2017年7月10日进行了答辩，并得到了评审团成员的评估，其中包括Pr. Marc SEBBAN、Anne DOUCET博士、Balàzs KEGL博士和Nicolas USUNIER博士等专业人士的认可。 该论文不仅包含了作者的研究成果，也是对机器学习领域在资源受限情况下创新思维和实践的重要贡献。它可能被收录在学术档案馆HAL中，该平台是一个开放获取的多学科资源库，旨在存储和分享国内外科研机构和研究中心的研究文件。通过这篇论文，读者可以了解到如何在预算约束下实现机器学习的高效和实用应用，这对于当前和未来的研究者以及实际项目具有很高的参考价值。