Питер Рихтарик - Peter Richtarik

Питер Рихтарик
Родившийся
Нитра, Словакия
Национальностьсловацкий
Альма-матерКоменский университет Корнелл Университет
Научная карьера
ПоляМатематик, Специалист в области информатики
Академические консультантыЮрий Нестеров

Питер Рихтарик это словацкий математик работает в области оптимизация больших данных и машинное обучение, известный своей работой над алгоритмы рандомизированного координатного спуска, стохастический градиентный спуск и федеративное обучение. В настоящее время он является профессором Университета науки и технологий имени короля Абдаллы.

Образование

Рихтарик получил степень магистра математики в Коменский университет, Словакия, в 2001 году получил диплом с отличием.[1] В 2007 году он получил докторскую степень в области исследования операций в Корнелл Университет, посоветовал Майкл Джереми Тодд.[2][3]

Карьера

С 2007 по 2009 год он работал докторантом в Центре исследований операций и эконометрики и Департаменте математической инженерии в Католический университет Лувена, Бельгия, работает с Юрий Нестеров.[4][5] В период с 2009 по 2019 год Рихтарик был лектором, а затем читателем в математической школе Эдинбургский университет. Он научный сотрудник Тьюринга.[6] Ричтарик основал и организует серию конференций под названием «Оптимизация и большие данные».[7][8]

Академическая работа

Ранние исследования Рихтарика касались методов градиентного типа, оптимизации в относительном масштабе, разреженных Анализ главных компонентов и алгоритмы для оптимальный дизайн. С момента своего назначения в Эдинбурге он много работал над построением алгоритмических основ рандомизированных методов в выпуклая оптимизация, особенно алгоритмы рандомизированного координатного спуска и методы стохастического градиентного спуска. Эти методы хорошо подходят для задач оптимизации, описываемых большое количество данных и иметь приложения в таких областях, как машинное обучение, обработка сигналов и наука о данных.[9][10] Ричтарик - соавтор алгоритма, обобщающего рандомизированные Качмарц метод для решения система линейных уравнений, способствовал изобретению федеративное обучение, и совместно разработал стохастический вариант Метод Ньютона.

Награды и отличия

Библиография

  • Питер Ричтарик и Мартин Такач (2012). «Эффективные методы последовательного и параллельного координатного спуска для проектирования топологии ферм больших размеров». Труды исследования операций 2011 г.. Springer-Verlag. С. 27–32. Дои:10.1007/978-3-642-29210-1_5.
  • Питер Ричтарик и Мартин Такач (2014). «Итерационная сложность рандомизированных методов блочно-координатного спуска для минимизации составной функции». Математическое программирование. 144 (1). Springer. С. 1–38. Дои:10.1007 / s10107-012-0614-z.
  • Оливье Феркок и Питер Ричтарик (2015). «Ускоренный параллельный и проксимальный координатный спуск». SIAM Journal по оптимизации. 25 (4). С. 1997–2023. Дои:10.1137/130949993.
  • Доминик Чиба; Чжэн Цюй; Питер Рихтарик (2015). «Стохастическое двухкоординатное восхождение с адаптивными вероятностями» (pdf). Материалы 32-й Международной конференции по машинному обучению. С. 674–683.
  • Роберт М. Гауэр и Питер Ричтарик (2015). «Рандомизированные итерационные методы для линейных систем». Журнал SIAM по матричному анализу и приложениям. 36 (4). С. 1660–1690. Дои:10.1137 / 15M1025487.
  • Питер Ричтарик и Мартин Такач (2016). «Методы параллельного координатного спуска для оптимизации больших данных». Математическое программирование. 156 (1). С. 433–484. Дои:10.1007 / s10107-015-0901-6.
  • Чжэн Цюй и Питер Ричтарик (2016). «Координатный спуск с произвольной выборкой I: алгоритмы и сложность». Методы оптимизации и программное обеспечение. 31 (5): 829–857. arXiv:1412.8060. Дои:10.1080/10556788.2016.1190360.
  • Чжэн Цюй и Питер Ричтарик (2016). «Координатный спуск с произвольной выборкой II: ожидаемое разделимое сверхприближение». Методы оптимизации и программное обеспечение. 31 (5): 858–884. arXiv:1412.8063. Дои:10.1080/10556788.2016.1190361.
  • Чжэн Цюй; Питер Рихтарик; Мартин Такач; Оливье Феркок (2016). «SDNA: стохастический двойной ньютоновский подъем для минимизации эмпирического риска» (pdf). Материалы 33-й Международной конференции по машинному обучению. С. 1823–1832.
  • Зеюань Аллен-Чжу; Чжэн Цюй; Питер Рихтарик; Ян Юань (2016). «Еще более быстрый ускоренный координатный спуск с использованием неравномерной выборки» (pdf). Материалы 33-й Международной конференции по машинному обучению. С. 1110–1119.
  • Доминик Чиба и Питер Рихтарик (2016). «Выборка по важности для мини-батчей». arXiv:1602.02283 [cs.LG ].
  • Доминик Чиба и Питер Рихтарик (2016). «Вбрасывание по координатному спуску: первичное или двойное?». arXiv:1605.08982 [math.OC ].

Рекомендации

  1. ^ "Резюме Рихтарика" (PDF). Получено 21 августа, 2016.
  2. ^ "Проект математической генеалогии". Получено 20 августа, 2016.
  3. ^ "Корнельская докторская диссертация". Получено 22 августа, 2016.
  4. ^ «Докторанты CORE». Получено 22 августа, 2016.
  5. ^ "Институт теории вычислений Саймонса, Калифорнийский университет в Беркли". Получено 22 августа, 2016.
  6. ^ «Стипендиаты факультета Института Алана Тьюринга». Получено 22 августа, 2016.
  7. ^ «Оптимизация и большие данные 2012». Получено 20 августа, 2016.
  8. ^ «Оптимизация и большие данные 2015». Получено 20 августа, 2016.
  9. ^ Кэти О'Нил и Рэйчел Шутт (2013). «Моделирование и алгоритмы в масштабе». Занятия наукой о данных: откровенный разговор с передовой. О'Рейли. ISBN  9781449358655. Получено 21 августа, 2016.
  10. ^ Себастьян Бубек (2015). Выпуклая оптимизация: алгоритмы и сложность. Основы и тенденции в машинном обучении. Теперь издатели. ISBN  978-1601988607.
  11. ^ «Премия SIGEST». Получено 20 августа, 2016.
  12. ^ "Стипендия EPSRC". Получено 21 августа, 2016.
  13. ^ «Премия EUSA Awards 2015». Получено 20 августа, 2016.
  14. ^ «46-я конференция словацких математиков». Получено 22 августа, 2016.

внешняя ссылка