Michael Kearns (datavetare)

Michael Justin Kearns
Född	Kalifornien
Alma mater	University of California i Berkeley (BS, 1985) Harvard University (PhD, 1989)
Utmärkelser	ACM Fellow (2014)
Vetenskaplig karriär
institutioner	University of Pennsylvania (2002 - ) AT&T Bell Labs (1991 - 2001)
Avhandling	The Computational Complexity of Machine Learning (1989)
Doktorand rådgivare	Leslie Valiant
Andra akademiska rådgivare	Ronald Rivest (postdoktor, MIT) Richard M. Karp (postdoktor, UC Berkeley)
Doktorander	Jennifer Wortman Vaughan
Andra framstående studenter	John Langford (postdoktorand besökare)
Hemsida	www .cis .upenn .edu /~mkearns /

Michael Justin Kearns är en amerikansk datavetare , professor och National Center Chair vid University of Pennsylvania , grundare av Penns Singh Program in Networked & Social Systems Engineering (NETS), grundare av Warren Center for Network and Data Sciences, och innehar också sekundära utnämningar i Penn's Wharton School och Department of Economics. Han är en ledande forskare inom beräkningslärandeteori och algoritmisk spelteori , och intresserad av maskininlärning , artificiell intelligens , beräkningsfinansiering , algoritmisk handel , beräkningssamhällsvetenskap och sociala nätverk . Han ledde tidigare rådgivnings- och forskningsfunktionen i Morgan Stanleys Artificial Intelligence Center of Excellence-team och är för närvarande en Amazon Scholar inom Amazon Web Services .

Biografi

Kearns föddes i en akademisk familj, där hans far David R Kearns är professor emeritus vid University of California, San Diego i kemi, som vann Guggenheim Fellowship 1969, och hans farbror Thomas R. Kearns är professor emeritus vid Amherst College i filosofi och Juridik, rättsvetenskap och socialt tänkande . Hans farfar Clyde W. Kearns var en pionjär inom insekticidtoxicologi och var professor vid University of Illinois i Urbana–Champaign i Entomology, och hans morfar Chen Shou - Yi ( 1899–1978 ) var professor vid Pomona College i historia och litteratur, som föddes i Kanton (Guangzhou, Kina) i en familj känd för sitt stipendium och pedagogiska ledarskap.

Kearns tog sin BS-examen vid University of California i Berkeley i matematik och datavetenskap 1985, och Ph.D. i datavetenskap från Harvard University 1989, under ledning av Turing- pristagaren Leslie Valiant . Hans doktorsavhandling var The Computational Complexity of Machine Learning , senare publicerad av MIT press som en del av ACM Doctoral Dissertation Award Series 1990. Innan han började på AT&T Bell Labs 1991 fortsatte han med postdoktorala tjänster vid Laboratory for Computer Science vid MIT . av Ronald Rivest , och vid International Computer Science Institute (ICSI) i UC Berkeley med Richard M. Karp som värd , som båda är vinnare av Turing-priset.

Kearns är för närvarande professor och National Center Chair vid University of Pennsylvania, där hans utnämning är uppdelad på institutionen för data- och informationsvetenskap, och statistik och drift och informationshantering vid Wharton School. Innan han började på Penn-fakulteten 2002 tillbringade han ett decennium (1991–2001) i AT&T Labs och Bell Labs , bland annat som chef för AI-avdelningen med kollegor inklusive Michael L. Littman , David A. McAllester och Richard S. Sutton ; Avdelningen för säkra systemforskning; och Machine Learning-avdelning med medlemmar som Michael Collins och ledaren Fernando Pereira. Andra AT&T Labs-kollegor inom algoritmer och teoretisk datavetenskap inkluderade Yoav Freund , Ronald Graham , Mehryar Mohri , Robert Schapire och Peter Shor , samt Sebastian Seung , Yann LeCun , Corinna Cortes och Vladimir Vapnik ( V i VC-dimensionen ).

Kearns utsågs till Fellow of Association for Computing Machinery (2014) för bidrag till maskininlärning och en fellow vid American Academy of Arts and Sciences ( 2012).

Hans tidigare doktorander och postdoktorala besökare inkluderar Ryan W. Porter, John Langford och Jennifer Wortman Vaughan .

Kearns arbete har rapporterats av media, såsom MIT Technology Review (2014) Kan en webbplats hjälpa dig att besluta att skaffa ett barn? , Bloomberg News (2014) Schneiderman (och Einstein) Pressure High-Speed ​​Trading och NPR- ljud (2012) Onlineutbildning växer upp och för nu är det gratis .

Akademiskt liv

Beräkningslärandeteori

Huvudartikel: Computational learning theory

Kearns och Umesh Vazirani publicerade An introduction to computational learning theory , som har varit en standardtext om beräkningslärandeteori sedan den publicerades 1994.

Svag lärbarhet och ursprunget till Boosting-algoritmer

Huvudartikel: Boosting (maskininlärning)

Frågan "är svag inlärningsförmåga likvärdig med stark inlärningsförmåga?" poserad av Kearns och Valiant (Opublicerat manuskript 1988, ACM Symposium on Theory of Computing 1989) är ursprunget till att öka maskininlärningsalgoritmer, som fick ett positivt svar av Robert Schapire (1990, bevis genom konstruktion, inte praktiskt) och Yoav Freund (1993) , genom att rösta, inte praktiskt) och sedan utvecklade de den praktiska AdaBoost (European Conference on Computational Learning Theory 1995, Journal of Computer and System Sciences 1997), en adaptiv boostningsalgoritm som vann det prestigefyllda Gödelpriset (2003).

Heder och utmärkelser

• 2021. Medlem av US National Academy of Sciences .

• 2014. ACM Fellow.

För bidrag till maskininlärning , artificiell intelligens och algoritmisk spelteori och beräkningssamhällsvetenskap .

• 2012. Fellow American Academy of Arts and Sciences .

Utvalda verk

• 2019. The Ethical Algorithm: The Science of Socially Aware Algorithm Design . (med Aaron Roth ). Oxford University Press.
• 1994. En introduktion till beräkningslärandeteori . (med Umesh Vazirani ). MIT press.

Används ofta som en lärobok i beräkningslärande teorikurser .

• 1990. Maskininlärningens beräkningsmässiga komplexitet . MIT press.

Baserad på hans doktorsavhandling från 1989;

ACM Doctoral Dissertation Award Series 1990

• 1989. Kryptografiska begränsningar för att lära sig booleska formler och finita automater . (med Leslie Valiant ) Proceedings of the twenty-first annual ACM symposium on Theory of computing ( STOC'89).

Den öppna frågan: är svag inlärningsförmåga likvärdig med stark inlärningsförmåga? ;

Ursprunget till förstärkningsalgoritmer ;

Viktig publikation inom maskininlärning .

Se även

• Boosting (maskininlärning)

externa länkar

• Hyllningsdagen för Leslie Valiants 60-födelsedag, maj 2009.

Talarna inkluderar Stephen Cook och Michael O. Rabin , som båda är vinnare av Turing-priset , och Vijay Vazirani .