Bernhard Schölkopf
À Propos
Dans ses recherches scientifiques, Bernhard Schölkopf s’intéresse à l’apprentissage automatique et à l’inférence causale.
Il a appliqué ses méthodes dans un certain nombre de domaines, notamment : problèmes biomédicaux, photographie computationnelle et astronomie. Schölkopf a réalisé des recherches chez AT&T Bell Labs, GMD FIRST (Berlin) et Microsoft Research Cambridge (R.-U.) avant de devenir un directeur Max Planck en 2001. Il est membre de l’Académie des sciences de l’Allemagne (Leopoldina) et est membre de l’ACM.
Schölkopf a cofondé une série d’écoles d’été en apprentissage automatique et est actuellement corédacteur en chef du Journal of Machine Learning Research, un premier développement en accès ouvert et aujourd’hui la revue phare du domaine.
Photo: David Ausserhofer
Prix
- Prix Leibniz, 2018
- Prix Milner de la Société royale, 2014
- Prix de l’académie, Académie Berlin-Brandebourg de sciences et sciences humaines, 2012
- Prix J. K. Aggarwal, International Association for Pattern Recognition, 2006
- Prix annuel de doctorat, Association allemande d’informatique, 1998
Publications Pertinentes
- J. Peters, D. Janzing et B. Schölkopf. Elements of Causal Inference - Foundations and Learning Algorithms. MIT Press, Cambridge, MA, É.-U., 2017
- B. Schölkopf, D. Hogg, D. Wang, D. Foreman-Mackey, D. Janzing, C.-J. Simon-Gabriel et J. Peters. Modeling confounding by half-sibling regression. Proceedings of the National Academy of Science (PNAS), 13(27):7391–7398, 2016
- B. Schölkopf, D. Janzing, J. Peters, E. Sgouritsa, K. Zhang et J. Mooij. On causal and anticausal learning. Dans J. Langford et J. Pineau, éditeurs, Proceedings of the 29th International Conference on Machine Learning (ICML), pages 1255–1262, New York, NY, É.-U, 2012. Omnipress
- D. Janzing et B. Schölkopf. Causal inference using the algorithmic Markov condition. IEEE Transactions on Information Theory, 56(10):5168–5194, 2010
- B. Schölkopf et A. J. Smola. Learning with Kernels. MIT Press, Cambridge, MA, É-U., 2002