Питер Рихтарик
Питер Рихтарик | |
|---|---|
| Рожденный | |
| Национальность | словацкий |
| Альма-матер | Университет Коменского Корнельский университет |
| Научная карьера | |
| Поля | Математика , Информатика , Машинное обучение |
| Учреждения | ПАПКА |
| Диссертация | Некоторые алгоритмы крупномасштабной выпуклой и линейной минимизации в относительном масштабе (2007) |
| Научные консультанты | Yurii Nesterov |
| Веб-сайт | https://richtarik.org |
Петер Рихтарик — словацкий математик и ученый-компьютерщик. [ 1 ] работает в области оптимизации больших данных и машинного обучения , известен своими работами над алгоритмами рандомизированного координатного спуска , стохастическим градиентным спуском и федеративным обучением . В настоящее время он является профессором компьютерных наук в Университете науки и технологий имени короля Абдаллы .
Образование
[ редактировать ]Рихтарик получил степень магистра математики в Университете Коменского ( Словакия) в 2001 году, получив диплом с отличием. [ 2 ] В 2007 году он получил докторскую степень в области исследования операций в Корнелльском университете под руководством Майкла Джереми Тодда. [ 3 ] [ 4 ]
Карьера
[ редактировать ]В период с 2007 по 2009 год он был научным сотрудником Центра исследований операций и эконометрики и кафедры математической инженерии Католического университета Лувена , Бельгия, работая с Юрием Нестеровым . [ 5 ] [ 6 ] В период с 2009 по 2019 год Рихтарик был преподавателем, а затем и читателем в Школе математики Эдинбургского университета . Он является членом Тьюринга. [ 7 ] Рихтарик основал и организует серию конференций «Оптимизация и большие данные». [ 8 ] [ 9 ]
Академическая работа
[ редактировать ]Ранние исследования Рихтарика касались методов градиентного типа, оптимизации в относительном масштабе, анализа разреженных главных компонентов и алгоритмов оптимального проектирования . С момента своего назначения в Эдинбурге он активно работал над созданием алгоритмических основ рандомизированных методов выпуклой оптимизации , особенно алгоритмов рандомизированного координатного спуска и методов стохастического градиентного спуска. Эти методы хорошо подходят для задач оптимизации, описываемых большими данными , и находят применение в таких областях, как машинное обучение , обработка сигналов и наука о данных . [ 10 ] [ 11 ] Рихтарик — соавтор алгоритма, обобщающего рандомизированный метод Качмажа для решения системы линейных уравнений , внес вклад в изобретение федеративного обучения и соавтор стохастического варианта метода Ньютона .
Награды и отличия
[ редактировать ]- 2020 г., поскольку его индекс Хирша составляет 40 и более, [ 12 ] он входит в число 0,05% лучших ученых-компьютерщиков. [ 13 ]
- 2016, Премия SIGEST (совместно с Оливье Феркоком) [ 14 ] Общества промышленной и прикладной математики
- 2016, EPSRC в области математических наук Стипендия ранней карьеры [ 15 ]
- 2015, Премия EUSA за лучшее исследование или диссертацию (2-е место) [ 16 ]
- 2014, пленарный доклад на 46-й конференции словацких математиков. [ 17 ]
Библиография
[ редактировать ]- Питер Рихтарик и Мартин Такач (2012). «Эффективные методы последовательного и параллельного координатного спуска для проектирования топологии крупномасштабных ферм». Труды исследования операций 2011 . Труды исследования операций. Спрингер-Верлаг. стр. 27–32. дои : 10.1007/978-3-642-29210-1_5 . ISBN 978-3-642-29209-5 .
- Питер Рихтарик и Мартин Такач (2014). «Итерационная сложность рандомизированных методов блочно-координатного спуска для минимизации сложной функции». Математическое программирование . 144 (1). Спрингер: 1–38. arXiv : 1107.2848 . дои : 10.1007/s10107-012-0614-z . S2CID 254137101 .
- Оливье Феркок и Питер Рихтарик (2015). «Ускоренный, параллельный и проксимальный координатный спуск». SIAM Journal по оптимизации . 25 (4): 1997–2023 гг. arXiv : 1312.5799 . дои : 10.1137/130949993 . S2CID 8068556 .
- Доминик Чиба; Чжэн Цюй; Петр Рихтарик (2015). «Стохастический подъем по двум координатам с адаптивными вероятностями» (pdf) . Материалы 32-й Международной конференции по машинному обучению . стр. 674–683.
- Роберт М. Гауэр и Питер Рихтарик (2015). «Рандомизированные итерационные методы для линейных систем». Журнал SIAM по матричному анализу и его приложениям . 36 (4): 1660–1690. дои : 10.1137/15M1025487 . hdl : 20.500.11820/5c673b9e-8cf3-482c-8602-da8abcb903dd . S2CID 8215294 .
- Питер Рихтарик и Мартин Такач (2016). «Методы параллельного координатного спуска для оптимизации больших данных». Математическое программирование . 156 (1): 433–484. дои : 10.1007/s10107-015-0901-6 . hdl : 20.500.11820/a5649cad-b6b8-4ccc-9ca2-b368131dcbe5 . S2CID 254133277 .
- Чжэн Цюй и Питер Рихтарик (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 . S2CID 2636844 .
- Чжэн Цюй и Питер Рихтарик (2016). «Координатный спуск с произвольной выборкой II: ожидаемое сепарабельное завышенное приближение». Методы оптимизации и программное обеспечение . 31 (5): 858–884. arXiv : 1412.8063 . дои : 10.1080/10556788.2016.1190361 . S2CID 11048560 .
- Чжэн Цюй; Питер Рихтарик; Мартин Такач; Оливье Феркок (2016). «SDNA: стохастическое двойное восхождение Ньютона для минимизации эмпирического риска» (pdf) . Материалы 33-й Международной конференции по машинному обучению . стр. 1823–1832.
- Цзэюань Аллен-Чжу; Чжэн Цюй; Питер Рихтарик; Ян Юань (2016). «Еще более быстрый ускоренный спуск по координатам с использованием неравномерной выборки» (pdf) . Материалы 33-й Международной конференции по машинному обучению . стр. 1110–1119.
- Доминик Чиба и Питер Рихтерик (2016). «Выборка по важности для мини-партий». arXiv : 1602.02283 [ cs.LG ].
- Доминик Чиба и Питер Рихтарик (2016). «Вбрасывание координатного спуска: первичное или двойственное?». arXiv : 1605.08982 [ math.OC ].
Ссылки
[ редактировать ]- ^ «Профиль Рихтарика в DBLP» . Проверено 23 декабря 2020 г.
- ^ «Резюме Рихтарика» (PDF) . Проверено 21 августа 2016 г.
- ^ «Проект математической генеалогии» . Проверено 20 августа 2016 г.
- ^ «Корнеллская докторская диссертация» . Проверено 22 августа 2016 г.
- ^ «Постдокторанты в CORE» . Проверено 22 августа 2016 г.
- ^ «Институт теории вычислений Саймонса, Калифорнийский университет в Беркли» . Проверено 22 августа 2016 г.
- ^ «Сотрудники факультета Института Алана Тьюринга» . Проверено 22 августа 2016 г.
- ^ «Оптимизация и большие данные 2012» . Проверено 20 августа 2016 г.
- ^ «Оптимизация и большие данные 2015» . Проверено 20 августа 2016 г.
- ^ Кэти О'Нил и Рэйчел Шатт (2013). «Моделирование и алгоритмы в масштабе». Занимаемся наукой о данных: откровенный разговор с передовой . О'Рейли. ISBN 9781449358655 . Проверено 21 августа 2016 г.
- ^ Себастьен Бубек (2015). Выпуклая оптимизация: алгоритмы и сложность . Основы и тенденции в машинном обучении. Теперь Издательства. ISBN 978-1601988607 .
- ^ «Гугл Академика» . Проверено 28 декабря 2020 г.
- ^ «Индекс h по информатике» . Проверено 28 декабря 2020 г.
- ^ «Премия СИГЕСТ» . Проверено 20 августа 2016 г.
- ^ «Содружество EPSRC» . Проверено 21 августа 2016 г.
- ^ «Награды EUSA 2015» . Проверено 20 августа 2016 г.
- ^ «46-я конференция словацких математиков» . Проверено 22 августа 2016 г.
