Майкл Кернс (ученый-компьютерщик) - Michael Kearns (computer scientist)

Майкл Кернс американец специалист в области информатики, профессор и заведующий кафедрой Национального центра Пенсильванский университет, основатель и директор Penn's Программа Сингха по проектированию сетевых и социальных систем (NETS), основатель и директор Центр Уоррена по сетям и наукам о данных , а также имеет второстепенные должности в Penn's Wharton School и факультет экономики. Он является ведущим исследователем в теория вычислительного обучения и алгоритмическая теория игр и интересуется машинное обучение, искусственный интеллект, вычислительные финансы, алгоритмическая торговля, вычислительная социология и социальные сети.^[1] Он возглавляет консультативно-исследовательскую функцию в Морган Стенли команда Центра передового опыта в области искусственного интеллекта^[2].

биография

Кернс родился в академической семье, где его отец Дэвид Р. Кернс Почетный профессор Калифорнийский университет в Сан-Диего в химия, кто выиграл Товарищество Гуггенхайма в 1969 г.,^[3] и его дядя Томас Р. Кернс Почетный профессор Амхерст Колледж в Философия и Право, юриспруденция и общественная мысль. Его отцовский дед Клайд В. Кернс был пионером в инсектицид токсикология и был профессором в Университет штата Иллинойс в Урбане-Шампейн в энтомологии,^[4] и его материнский дедушка Чен Шоу-И (1899-1978) был профессором Помона Колледж в история и литература, который родился в Кантон (Гуанчжоу, Китай) в семью, известную своей стипендией и лидерством в образовании. В росте и развитии азиатских исследований на Западном побережье ведущее место занимают колледжи Клермонта и профессор Чен. ^[5]

Кернс получил степень бакалавра наук. степень в Калифорнийский университет в Беркли в математика и Информатика в 1985 г. и к.т.н. в Информатика из Гарвардский университет в 1989 г. под руководством Премия Тьюринга победитель Лесли Валиант. Его докторская диссертация была Вычислительная сложность машинного обучения, позже опубликованный MIT Press в рамках ACM Серия докторских диссертаций в 1990 году. До прихода в AT&T Bell Labs в 1991 году он продолжал работать в докторантуре в лаборатории компьютерных наук Массачусетский технологический институт организовано Рональд Ривест, а также в Международном институте компьютерных наук (ICSI) в Калифорнийском университете в Беркли, организованном Ричард М. Карп, оба из которых Премия Тьюринга победители.

Кернс в настоящее время полный профессор и кафедрой Национального центра в Пенсильванский университет, где его назначение разделено на Департамент компьютерных и информационных наук, и Статистика и Операции и управление информацией в Wharton School. До прихода на факультет Пенна в 2002 году он провел десять лет (1991–2001) в лабораториях AT&T и Bell Labs, в том числе как руководитель отдела ИИ с коллегами, в том числе Майкл Л. Литтман, Дэвид А. Макаллестер, и Ричард С. Саттон; Отдел исследования безопасных систем; и отдел машинного обучения с такими членами, как Майкл Коллинз и лидер Фернандо Перейра. Другие коллеги из AT&T Labs в Алгоритмы и теоретическая информатика включены Йоав Фройнд, Рональд Грэм, Мехриар Мохри, Роберт Шапир, и Петр Шор, а также Себастьян Сунг, Янн ЛеКун, Коринна Кортес, и Владимир Вапник (в V в Размер ВК ).

Кернс был назначен членом Ассоциация вычислительной техники (2014) за взносы в машинное обучение,^[1] и член Американская академия искусств и наук (2012).

Среди его бывших аспирантов и постдокторантов Райан В. Портер и Джон Лэнгфорд.

О работе Кирнса писали такие СМИ, как Массачусетский технологический институт Обзор технологий (2014) Может ли веб-сайт помочь вам решить завести ребенка?, Bloomberg Новости (2014) Высокоскоростная торговля под давлением Шнайдермана (и Эйнштейна) и энергетический ядерный реактор аудио (2012) Онлайн-образование набирает обороты, и пока оно бесплатно.

Академическая жизнь

Теория вычислительного обучения

Кирнс и Умеш Вазирани опубликовано Введение в теорию вычислительного обучения, который был стандартным текстом на теория вычислительного обучения с момента его публикации в 1994 году.

Слабая обучаемость и происхождение алгоритмов повышения

Вопрос "эквивалентна ли слабая обучаемость сильной обучаемости?" Кернс и Доблестный (Неопубликованная рукопись 1988 г., Симпозиум ACM по теории вычислений 1989 г.)^[6][7] происхождение повышение алгоритмы машинного обучения, на которые положительно ответили Роберт Шапир (1990, доказательство по построению, не практично) и Йоав Фройнд (1993, голосованием, не практично), а затем они разработали практический AdaBoost (Европейская конференция по теории вычислительного обучения, 1995 г., Журнал компьютерных и системных наук 1997 ), адаптивный алгоритм повышения, завоевавший престижную Премия Гёделя (2003).

Почести и награды

• 2014. ACM Парень.

За взносы в машинное обучение, искусственный интеллект, и алгоритмическая теория игр и вычислительная социология. ^[1]

• 2012. Американская академия искусств и наук Парень.

Избранные работы

• 1994. Введение в теорию вычислительного обучения. (с Умеш Вазирани ). Пресса MIT.

широко используется в качестве учебника в теория вычислительного обучения курсы.^[8]

• 1990. Вычислительная сложность машинного обучения. Пресса MIT.

на основе его докторской диссертации 1989 г .;

Серия наград ACM за докторскую диссертацию в 1990 году

• 1989. Криптографический [sic] ограничения на изучение булевых формул и конечных автоматов. (с Лесли Валиант ) Труды двадцать первый ежегодный симпозиум ACM по теории вычислений (STOC'89).

открытый вопрос: эквивалентна ли слабая обучаемость сильной обучаемости?;

происхождение алгоритмы повышения;

важная публикация по машинному обучению.

Смотрите также

• Повышение (машинное обучение)

Рекомендации

внешняя ссылка

• ВЫЧИСЛИТЕЛЬНАЯ ТЕОРИЯ ОБУЧЕНИЯ Аспирантура
• Сетевой жизненный курс на Coursera
• День посвящения 60-летию Лесли Валиант, май 2009 г.

спикеры включают Стивен Кук и Майкл О. Рабин, оба из которых Премия Тьюринга победители и Виджай Вазирани.