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
- Prix d'excellence en recherche Golden Jubilee, Faculté de mathématiques de l'Université de Waterloo, 2023
- 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.