Gautam Kamath
La nomination
Membre du comité du programme national
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2023
Les recherches de Gautam Kamath se concentrent sur les considérations liées à l’apprentissage automatique digne de confiance, en particulier les préoccupations relatives à la vie privée et à la robustesse. Par exemple, comment s’assurer qu’un modèle d’apprentissage automatique ne laisse pas filtrer des renseignements sensibles concernant ses données d’apprentissage? Peut-on garantir qu’un modèle d’apprentissage automatique est protégé contre les interférences d’acteurs malveillants? Il tente de comprendre l’incidence de ces contraintes à un niveau théorique fondamental, ainsi que de mettre au point des méthodes pratiques pour former des modèles qui préservent la vie privée, sont robustes ou, plus généralement, conviennent à une utilisation dans la nature.
Prix
- Meilleur lecteur expert du CCS , ACM SIGSAC (2021)
- Supplément d’accélération à la découverte, Conseil de recherches en sciences naturelles et en génie du Canada (2020)
- Boursier présidentiel Akamai, Massachusetts Institute of Technology (2012)
- Prix de l’excellence universitaire en informatique, Université Cornell (2012)
- Symposium sur la théorie de l’informatique – Meilleure présentation étudiante, ACM SIGACT (2012)
Publications Pertinentes
- Hopkins, S. B., Kamath, G., Majid, M. et Naryanan, S. (2023). « Robustness Implies Privacy in Statistical Estimation ». Proceedings of the 55th Annual ACM Symposium on the Theory of Computing, 2023.
- Yu, D., Naik, S., Backurs, A., Gopi, S., Inan, H. A., Kamath, G., Kulkarni, J., Lee, Y. T., Manoel, A., Wutschitz, L., Yekhanin, S. et Zhang, H. (2022). « Differentially private fine-tuning of language models ». Proceedings of the 10th International Conference on Learning Representations, 2022.
- Canonne, C. L., Kamath, G. et Steinke, T. (2022). « The discrete Gaussian for differential privacy ». Journal of Privacy and Confidentiality, 12(1).
- Sekhari, A., Acharya, J., Kamath, G. et Suresh A. T., (2021). « Remember What You Want to Forget: Algorithms for Machine Unlearning ». Advances in Neural Information Processing Systems 34, 2021.
- DDiakonikolas, I., Kamath, G., Kane, D. M, Li, J., Moitra, A. et Stewart, A. (2019). « Robust estimators in high-dimensions without the computational intractability ». SIAM Journal on Computing, 48(2), pp. 742-864.
Soutenez-nous
Le CIFAR est un organisme de bienfaisance enregistré qui reçoit le soutien des gouvernements du Canada et du Québec, ainsi que de fondations, de donateurs individuels, d’entreprises et de partenaires canadiens et internationaux.