Murat Erdogdu
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 – 2018
Murat Erdogdu est titulaire d’une chaire en IA Canada-CIFAR à l’Institut Vecteur et professeur adjoint aux départements d’informatique et de sciences statistiques de l’Université de Toronto.
Avec un diplôme en génie, Erdogdu s’intéresse de près à l’application de la théorie pour résoudre des problèmes du monde réel. Il s’intéresse principalement à la conception d’algorithmes d’optimisation pour les modèles d’apprentissage automatique. L’utilisation d’algorithmes efficaces peut réduire considérablement le temps d’entraînement de modèles, ce qui permet à la communauté de recherche de tester et de sélectionner le meilleur modèle pour résoudre un problème, qu’il s’agisse de systèmes de recommandation ou de débruitage d’images.
Prix
- Prix de jeune chercheur Connaught, 2019
- Prix du meilleur auxiliaire d’enseignement, département de statistiques, Université Stanford, 2012
- Mention très bien de la faculté de génie de l’Université du Bosphore, 2007-2011
- Bourse d’excellence du premier ministre de Turquie, 2006-2011
- Prix d’excellence Dag Ozay de la faculté de génie électrique de l’Université du Bosphore, 2006
Publications Pertinentes
- Li, X., Wu, D., Mackey, L., Erdogdu, M. A. (2019). « Stochastic runge-kutta accelerates langevin monte carlo and beyond », préimpression arXiv, arXiv:1906.07868
- Erdogdu, M. A., Mackey, L., Shamir, O. (2018). « Global non-convex optimization with discretized diffusions », préimpression arXiv, arXiv:1810.12361.
- Chaudhuri, K., Kakade, S., Netrapalli, P., Sanghavi, S. (2015). « Convergence rates of active learning for maximum likelihood estimation », préimpression arXiv, arXiv:1506.02348.
- Zhao, Q., Erdogdu, M. A., He, H. Y., Rajaraman, A., Leskovec, J. (2015). « Seismic: A self-exciting point process model for predicting tweet popularity », Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, p.1513-1522.
- Erdogdu, M. A., Montanari, A. (2015). « Convergence rates of sub-sampled newton methods », Advances in Neural Information Processing Systems, 28:1090-1098.
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.