Бернхард Шёлкопф - Bernhard Schölkopf
Бернхард Шёлкопф | |
---|---|
Родился | Февраль 1968 (53 года) |
Альма-матер | |
Известен | |
Награды |
Премия Фонда BBVA Frontiers of Knowledge (2020) Европейская научная премия Кербера (2019) Награда за причинно-следственную связь в статистическом образовании, Премия Лейбница Американской статистической ассоциации (2018) Член ACM (Ассоциация вычислительной техники) (2018) Член Немецкой национальной академии Наука (Леопольдина) (2017) Премия Милнера (2014) Премия Берлинско-Бранденбургской академии наук и гуманитарных наук (2012) Премия Макса Планка за исследования (2011) Премия имени Дж. К. Аггарвала Международной ассоциации по распознаванию образов (2006) |
Научная карьера | |
Учреждения |
Институт Макса Планка интеллектуальных систем |
Бернхард Шёлкопф - немецкий ученый-компьютерщик (родился 20 февраля 1968 года), известный своей работой в области машинного обучения, особенно в области ядерных методов и причинно-следственной связи . Он является директором Института интеллектуальных систем Макса Планка в Тюбингене , Германия , где он возглавляет отдел эмпирических выводов. Он также является аффилированным профессором ETH Zürich , почетным профессором Тюбингенского университета и Берлинского технического университета , а также председателем Европейской лаборатории обучения и интеллектуальных систем (ELLIS).
Исследовать
Методы ядра
Шёлкопф разработал методы SVM, достигнув в то время мировых рекордов по тесту распознавания образов MNIST. С введением ядра PCA Шёлкопф и соавторы утверждали, что SVM являются частным случаем гораздо более широкого класса методов, и все алгоритмы, которые могут быть выражены в терминах скалярных произведений, могут быть обобщены на нелинейные параметры с помощью того, что известно. как воспроизводящие ядра. Еще одно важное наблюдение заключалось в том, что данные, на которых определяется ядро, не обязательно должны быть векторными, если матрица Грама ядра положительно определена. Обе идеи вместе привели к созданию области методов ядра , включающей SVM и многие другие алгоритмы. Методы ядра теперь стали предметом учебника и одной из основных парадигм машинного обучения в исследованиях и приложениях.
Разрабатывая ядро PCA, Шёлкопф расширил его для извлечения инвариантных функций и разработки инвариантных ядер и показал, как рассматривать другие основные методы уменьшения размерности, такие как LLE и Isomap, как особые случаи . В дальнейшей работе с Алексом Смолой и другими он расширил метод SVM на регрессию и классификацию с заранее заданной разреженностью и оценкой квантилей / поддержки. Он доказал теорему о представителе, подразумевающую, что SVM, ядро PCA и большинство других ядерных алгоритмов, регуляризованных нормой в воспроизводящем ядерном гильбертовом пространстве , имеют решения, принимающие форму расширений ядра для обучающих данных, тем самым сводя задачу оптимизации бесконечной размерности к конечномерный. Он участвовал в разработке встраиваемых ядер методов распределений для представления распределений вероятностей в гильбертовых пространствах со ссылками на дифракцию Фраунгофера, а также с приложениями к тестированию независимости.
Причинно-следственная связь
Начиная с 2005 года, Шёлкопф обратил внимание на причинный вывод . Причинные механизмы в мире порождают статистические зависимости как эпифеномены, но только последние используются популярными алгоритмами машинного обучения. Знание о причинных структурах и механизмах полезно, поскольку позволяет нам прогнозировать не только будущие данные, поступающие из того же источника, но также и эффект вмешательства в систему, а также облегчая перенос обнаруженных закономерностей в новые ситуации.
Шёлкопф и его сотрудники рассмотрели (и в определенных условиях решили) проблему обнаружения причин для двух переменных и связанной причинности с колмогоровской сложностью .
Примерно в 2010 году Шёлкопф начал изучать, как использовать причинность для машинного обучения, используя предположения о независимости механизмов и инвариантности. Его ранняя работа по каузальному обучению была представлена более широкой аудитории машинного обучения во время его лекции Познера на NeurIPS 2011, а также в основном докладе на ICML 2017. Он проанализировал, как использовать лежащие в основе причинные структуры, чтобы сделать методы машинного обучения более надежными. Что касается сдвигов распределения и систематических ошибок, последнее привело к открытию ряда новых экзопланет, включая K2-18b , которая, как впоследствии было обнаружено, содержала водяной пар в своей атмосфере, впервые для экзопланеты в обитаемой зоне .
Образование и трудоустройство
Шёлкопф изучал математику, физику и философию в Тюбингене и Лондоне. Он получил поддержку Studienstiftung и выиграл Мемориальный приз Лайонела Купера за лучшую степень магистра наук. по математике в Лондонском университете . Он получил диплом по физике, а затем перешел в Bell Labs в Нью-Джерси, где работал с Владимиром Вапником, который стал соруководителем его докторской диссертации в Берлинском техническом университете (вместе со Стефаном Янихеном). Его диссертация, защищенная в 1997 году, была удостоена ежегодной премии Немецкой ассоциации информатики . В 2001 году, занимая должности в Берлине, Кембридже и Нью-Йорке, он основал Отдел эмпирических выводов в Институте биологической кибернетики Макса Планка , который превратился в ведущий центр исследований в области машинного обучения. В 2011 году он стал директором-основателем Института интеллектуальных систем Макса Планка .
Вместе с Алексом Смолой Шёлкопф стал соучредителем серии летних школ машинного обучения. Он также стал соучредителем программы докторантуры Кембриджа-Тюбингена и Центра систем обучения Макса Планка-ETH. В 2016 году он стал соучредителем исследовательского консорциума Cyber Valley. Он участвовал в Глобальной инициативе IEEE по «Этически согласованному дизайну».
Шёлкопф является соредактором Journal of Machine Learning Research , журнала, который он помог найти в рамках массовой отставки редакционной коллегии журнала Machine Learning . Он входит в число самых цитируемых компьютерных ученых в мире. Среди выпускников его лаборатории Ульрике фон Люксбург, Карл Расмуссен, Матиас Хайн, Артур Греттон, Гуннар Рэтч, Матиас Бетге, Стефани Йегелка, Джейсон Вестон, Оливье Буске, Оливье Шапель, Хоакин Кинонеро-Кандела Новос и Себастьян.
Награды
Награды Шёлкопфа включают премию Королевского общества Милнера и, совместно с Изабель Гийон и Владимир Вапник, премию BBVA Foundation Frontiers of Knowledge в категории «Информационные и коммуникационные технологии». Он был первым ученым, работающим в Европе, получившим эту награду.
использованная литература
внешние ссылки
У Шолии есть профиль автора Бернхарда Шёлкопфа . |
- Публикации Бернхарда Шёлкопфа, проиндексированные Google Scholar