Mark Schmidt explore les défis liés à l'apprentissage de modèles complexes à partir de grands ensembles de données.

Big data et grands modèles

Mark Schmidt explore les défis que pose l'apprentissage de modèles complexes à partir de grands ensembles de données. Son travail est principalement axé sur l'accélération et la vérification des algorithmes fondamentaux d'apprentissage automatique. Mark travaille notamment dans les domaines de l'optimisation pour l'apprentissage automatique, de l'apprentissage automatique probabiliste et des applications de vision par ordinateur. Il a publié des articles sur les méthodes de gradient, sur l'amélioration de la vitesse de convergence et sur la combinaison des méthodes d'optimisation. Grâce à ses travaux, Mark améliore la vitesse, l'efficacité et l'efficience des modèles d'apprentissage automatique. Il a appliqué ses travaux en vision par ordinateur à la reconnaissance d'objets distincts dans des images, à la segmentation d'images extérieures et à l'estimation de la profondeur, ainsi qu'à la restauration et à l'incrustation d'images. Il a également développé des applications pour analyser la propagation des idées dans les réseaux sociaux, pour l'étiquetage de séquences en langage naturel et pour la modélisation de la cinématique des brins d'ADN.

Mark est titulaire d'une chaire d'IA du Canada CIFAR à Amii, et professeur associé au Laboratory for Computational Intelligence de l'Université de Colombie-Britannique. Il est membre de la faculté d'ElementAI et consultant pour 1QBit. Auparavant, Mark était Senior Fellow de l'ICAR dans le programme Learning In Machines and Brains, et Alfred P. Sloan Research Fellow. Il est co-auteur de 85 articles, qui ont été publiés dans des conférences telles que l'International Conference on Machine Learning (ICML), la conférence NeurIPS (Neural Information Processing Systems) et l'International Conference on Artificial Intelligence and Statistics (AISTATS). Depuis le début de sa nomination à l'Université de la Colombie-Britannique en 2014, Mark a supervisé et co-supervisé 20 chercheurs en début de carrière au niveau de la maîtrise et du doctorat. Il a été membre du comité de programme principal ou président de secteur pour un certain nombre de conférences internationales, notamment NeurIPS, ICML, ICLR et IJCAI. En 2018, Mark a reçu le prix Lagrange en optimisation continue de la Mathematical Optimization Society.

En 2018, Mark a reçu le prix Lagrange en optimisation continue de la Mathematical Optimization Society.