Bernhard Schölkopf - Bernhard Schölkopf

Bernhard Schölkopf
GWL 2018 Schölkopf 1433 DavidAusserhofer.jpg
Bernhard Schölkopf v roce 2018
narozený Únor 1968 (věk 53)
Alma mater
Známý jako
Ocenění BBVA Foundation Frontiers of Knowledge Awards (2020)
Körber European Prize Award (2019)
Causality in Statistics Education Award, American Statistical Association
Leibniz Prize (2018)
Fellow of the ACM (Association for Computing Machinery) (2018)
Member of the German National Academy of Věda (Leopoldina) (2017)
Milnerova cena (2014)
Cena akademie Berlínsko-brandenburské akademie věd a humanitních věd (2012) Cena
Maxe Plancka za výzkum (2011)
Cena JK Aggarwal Mezinárodní asociace pro rozpoznávání vzorů (2006)
Vědecká kariéra
Instituce Max Planck Institute for Intelligent Systems

Bernhard Schölkopf je německý počítačový vědec (narozený 20. února 1968) známý svou prací ve strojovém učení, zejména v oblasti jaderných metod a kauzality . On je ředitelem v Institutu Maxe Plancka pro inteligentních systémů v Tübingen , Německo , kde vede katedru empirických závěru. Je také přidruženým profesorem na ETH Zürich , čestným profesorem na univerzitě v Tübingenu a na Technické univerzitě v Berlíně a předsedou Evropské laboratoře pro učení a inteligentní systémy (ELLIS).

Výzkum

Metody jádra

Společnost Schölkopf vyvinula metody SVM dosahující světového rekordu v tehdejším měřítku rozpoznávání vzorů MNIST. Se zavedením jádra PCA Schölkopf a spoluautoři tvrdili, že SVM jsou zvláštním případem mnohem větší třídy metod a všechny algoritmy, které lze vyjádřit pomocí bodových produktů, lze zobecnit na nelineární nastavení pomocí známého jako reprodukující jádra. Dalším významným pozorováním bylo, že data, na kterých je jádro definováno, nemusí být vektorová, pokud je matice gramů jádra kladná a jednoznačná. Oba poznatky společně vedly k založení pole metod jádra , zahrnujících SVM a mnoho dalších algoritmů. Metody jádra jsou nyní znalostmi učebnic a jedním z hlavních paradigmat strojového učení ve výzkumu a aplikacích.

Při vývoji jádra PCA společnost Schölkopf rozšířila o extrakci invariantních funkcí a návrh invariantních jader a ukázala, jak se na speciální metody redukce rozměrů, jako jsou LLE a Isomap, dívat jako na speciální případy . V další práci s Alexem Smolou a dalšími rozšířil metodu SVM na regresi a klasifikaci s předem stanovenou řídkostí a odhadem kvantilu/podpory. Dokázal reprezentační větu naznačující, že SVM, jádro PCA a většina ostatních jádrových algoritmů, regulovaných normou v reprodukovatelném prostoru Hilbertova jádra , mají řešení, která mají formu rozšíření jádra na tréninkových datech, čímž se redukuje problém nekonečné optimalizace dimenze na konečný rozměr. On co-rozvinutý jádra embeddings rozvodů metod představují rozdělení pravděpodobnosti v Hilbertových prostorech , s odkazy na Fraunhoferova difrakce , stejně jako aplikace pro testování nezávislosti.

Kauzalita

Počínaje rokem 2005 obrátil Schölkopf svou pozornost na příčinnou inferenci . Kauzální mechanismy ve světě vedou ke statistickým závislostem jako epifenomům, ale pouze ty poslední jsou využívány populárními algoritmy strojového učení. Znalosti o kauzálních strukturách a mechanismech jsou užitečné tím, že nám umožňují předpovídat nejen budoucí data pocházející ze stejného zdroje, ale také účinek intervencí v systému a usnadňují přenos zjištěných pravidelností do nových situací.

Schölkopf a spolupracovníci se zabývali (a v určitých prostředích vyřešili) problém kauzálního objevu pro nastavení dvou proměnných a spojovali kauzalitu s Kolmogorovovou složitostí .

Kolem roku 2010 začal Schölkopf zkoumat, jak využít kauzality pro strojové učení, přičemž využil předpoklady nezávislosti mechanismů a invariance. Jeho raná práce o kauzálním učení byla vystavena širšímu publiku strojového učení během jeho Posnerovy přednášky na NeurIPS 2011, stejně jako v hlavní řeči na ICML 2017. Testoval, jak využít základní kauzální struktury, aby byly metody strojového učení robustnější pokud jde o distribuční posuny a systematické chyby, tyto vedly k objevu řady nových exoplanet, včetně K2-18b , u kterého se následně zjistilo, že ve své atmosféře obsahuje vodní páru, první pro exoplanetu v obyvatelné zóně .

Vzdělávání a zaměstnanost

Schölkopf studoval matematiku, fyziku a filozofii v Tübingenu a Londýně. Podpořila ho Studienstiftung a získal Cenu Memorial Lionela Coopera za nejlepší M.Sc. z matematiky na univerzitě v Londýně . Vystudoval diplom z fyziky a poté se přestěhoval do Bell Labs v New Jersey, kde spolupracoval s Vladimirem Vapnikem, který se stal spoluřešitelem jeho disertační práce na TU Berlin (u Stefana Jähnichena). Jeho práce, obhájená v roce 1997, získala výroční cenu Německé asociace informatiky . V roce 2001, po pozicích v Berlíně, Cambridgi a New Yorku, založil oddělení pro empirickou inferenci na Institutu Maxe Plancka pro biologickou kybernetiku , které přerostlo v přední centrum výzkumu ve strojovém učení. V roce 2011 se stal zakládajícím ředitelem Max Planck Institute for Intelligent Systems .

Spolu s Alexem Smolou založil Schölkopf sérii letních škol strojového učení. Je spoluzakladatelem doktorského programu Cambridge-Tübingen a Centra Max Planck-ETH pro systémy učení. V roce 2016 spoluzaložil výzkumné konsorcium Cyber ​​Valley. Účastnil se globální iniciativy IEEE na téma „Eticky sladěný design“.

Schölkopf je spoluautorem-šéfredaktorem časopisu Journal of Machine Learning Research , časopisu, kterému pomohl zjistit, že je součástí hromadné rezignace redakční rady Machine Learning (časopisu) . Patří mezi nejcitovanější počítačové vědce na světě. Mezi absolventy jeho laboratoře patří Ulrike von Luxburg, Carl Rasmussen, Matthias Hein, Arthur Gretton, Gunnar Rätsch, Matthias Bethge, Stefanie Jegelka, Jason Weston, Olivier Bousquet, Olivier Chapelle, Joaquin Quinonero-Candela a Sebastian Nowozin.

Ocenění

Mezi ceny společnosti Schölkopf patří cena Royal Society Milner Award a společně s Isabelle Guyon a Vladimirem Vapnikem cena BBVA Foundation Frontiers of Knowledge Award v kategorii Informační a komunikační technologie. Byl prvním vědcem pracujícím v Evropě, který toto ocenění obdržel.

Reference

externí odkazy