نظمت كلية علوم الحاسوب وتكنولوجيا المعلومات في جامعة البصرة محاضرة علمية بعنوان:
“Advanced Bayesian Hyperparameter Optimization for XGBoost Using Federated and Fuzzy-Based Frameworks”.

وهدفت المحاضرة إلى تسليط الضوء على أهمية تحسين المعلمات الفائقة في خوارزمية XGBoost، لما لهذه المعلمات من تأثير مباشر في دقة النموذج، واستقراره، وقابليته على التعميم، وزمن تنفيذه. كما بينت المحاضرة أن الاعتماد على الإعدادات الافتراضية أو طرائق البحث التقليدية قد لا يكون كافياً في كثير من مشكلات تعلم الآلة، بسبب اتساع فضاء البحث وترابط تأثير المعلمات فيما بينها.

وتضمنت المحاضرة، التي قدمتها الباحثة نبأ السنيد، شرحاً لإطارين مقترحين لتحسين عملية ضبط المعلمات الفائقة. تناول الإطار الأول FHBO توظيف مرحلة اتحادية أولية لتوليد معرفة استكشافية من عدة وكلاء، ثم استخدام هذه المعرفة كنقطة انطلاق محسّنة للتحسين البايزي المركزي. أما الإطار الثاني FABO فركز على دمج متحكم ضبابي داخل عملية التحسين البايزي لتنظيم التوازن بين الاستكشاف والاستغلال أثناء البحث. كما استعرضت الباحثة نتائج تطبيق الإطارين على مجموعة من بيانات التصنيف والانحدار، ومقارنتهما مع عدد من طرائق التحسين المعروفة، مع بيان أثرهما في تحسين الأداء التنبؤي وتقليل زمن التنفيذ وتعزيز موثوقية النتائج.