À Propos

David Rolnick se penche sur les innovations en apprentissage automatique qui luttent contre les changements climatiques ainsi que sur les fondements mathématiques des algorithmes d’apprentissage profond. Ses recherches visent à combler les écarts entre la recherche sur l’apprentissage automatique et des domaines tels que l’énergie et l’écologie au moyen d’applications d’atténuation et d’adaptation au changement climatique. Ce travail a considérablement influencé la politique internationale et l’entrepreneuriat. En ce qui a trait aux fondements de l’apprentissage profond, David Rolnick s’intéresse à l’analyse du moment et des raisons de la réussite ou de l’échec de différents algorithmes, ainsi qu’au développement de nouveaux algorithmes qui tirent parti des connaissances en mathématiques et en neurosciences computationnelles. Ces travaux visent à jeter les bases des futures recherches sur l’apprentissage profond en remplaçant les progrès par essais et erreurs par des algorithmes conçus à partir de principes fondamentaux.