stringtranslate.com

Manfred K. Warmuth

Manfred Klaus Warmuth es un científico informático conocido por su investigación pionera en la teoría del aprendizaje computacional . [1] Es profesor emérito distinguido en la Universidad de California, Santa Cruz .

Educación y carrera

Después de estudiar informática en la Universidad de Erlangen-Nuremberg , donde obtuvo un diploma en 1978, Warmuth fue a la Universidad de Colorado en Boulder para realizar estudios de posgrado, donde obtuvo una maestría en 1980 y completó su doctorado en 1981. [2] Su tesis doctoral, Scheduling on Profiles of Constant Broadth , fue supervisada por Harold N. Gabow . [3]

Después de una investigación postdoctoral en la Universidad de California, Berkeley y la Universidad Hebrea de Jerusalén , Warmuth se unió a la Universidad de California, Santa Cruz en 1983, se convirtió en profesor distinguido allí en 2017 y se jubiló como profesor emérito en 2018. Fue profesor visitante en Google Brain de 2019 a 2020. [4]

Contribuciones

Con su alumno Nick Littlestone, [3] Warmuth publicó el algoritmo de mayoría ponderada para combinar los resultados de múltiples predictores en 1989. [5] [WM]

Warmuth también fue coautor de un influyente artículo de 1989 en el Journal of the ACM , con Anselm Blumer, Andrzej Ehrenfeucht y David Haussler , introduciendo la dimensión de Vapnik-Chervonenkis a la teoría del aprendizaje computacional. [6] [VC] Con los mismos autores, también introdujo el aprendizaje de Occam en 1987. [7] [OR]

Reconocimiento

En 2021, Warmuth se convirtió en miembro de la Academia Nacional Alemana de Ciencias Leopoldina . [4]

Publicaciones seleccionadas

Referencias

  1. ^ Manfred Warmuth, Instituto Simons de Teoría de la Computación , consultado el 17 de mayo de 2023
  2. ^ "Manfred K. Warmuth", IEEE Xplore , IEEE , consultado el 17 de mayo de 2023
  3. ^ de Manfred K. Warmuth en el Proyecto de genealogía matemática
  4. ^ ab Warmuth, Manfred K., "Curriculum Vita" (PDF) , Academia Nacional Alemana de Ciencias Leopoldina
  5. ^ Blum, Avrim; Mansour, Yishay (2007), "Aprendizaje, minimización del arrepentimiento y equilibrios", en Nisan, Noam; Roughgarden, Tim; Tardos, Éva; Vazirani, Vijay V. (eds.), Teoría de juegos algorítmicos , Cambridge University Press, págs. 79-101, ISBN 978-0-521-87282-9, Sr.  2391751; ver 4.3.2 Algoritmo de mayoría ponderada aleatoria, págs. 85-86
  6. ^ Kearns, Michael J.; Vazirani, Umesh V. (1994), Introducción a la teoría del aprendizaje computacional, MIT Press, Cambridge, MA, pág. 70, ISBN 0-262-11193-4, Sr.  1331838
  7. ^ Valiant, Leslie G., "Una visión de la teoría del aprendizaje computacional", en Meyrowitz, Alan L.; Chipman, Susan (eds.), Fundamentos de la adquisición de conocimientos , The Springer International Series in Engineering and Computer Science, vol. 195, Springer, págs. 263–289, doi :10.1007/978-0-585-27366-2_8; ver pág. 280

Enlaces externos