Till innehåll på sidan

Alexandre Proutiere

Professor i stokastisk reglering

Om Alexander Proutieres forskningsområde:

Området maskininlärning syftar till att bygga datorsystem som automatiskt förbättras av sina erfarenheter. De senaste decennierna har maskinlärning gett oss effektiva webbsökningsmotorer, självkörande bilar, teknik för tal- och bildigenkänning, samt hjälpt oss att bättre förstå den mänskliga arvsmassan. Men trots dessa imponerande praktiska framgångar saknas fortfarande en solid matematisk grund. Det finns ett gap mellan praktik och teori där den grundläggande teoretiska kunskapen om hur maskinlärning fungerar till stor del är okänd.

Alexandre Proutieres forskning handlar om utveckling av matematiska verktyg för att skapa optimerade maskinlärningsalgoritmer. Han vill särskilt lägga grunden för dimensionella reduceringstekniker, som bland annat kan appliceras i analyser av stora datamängder. Det här kan till exempel röra rapportering av internetanvändares webbsökningsaktiviteter, för att kartlägga deras smak och rekommendera produkter som de skulle kunna vara intresserade av. Verktygen som utvecklas av Proutiere och hans forskargrupp kan även förbättra styrningen av dynamiska system. Dessa kan användas vid design av autonoma system som behöver lära sig av sin mycket komplexa omgivning och kunna ta beslut utifrån detta. Robotar och självkörande fordon är exempel på sådana autonoma system.

Afshin Ahmadian
Nicholas Apazidis
Egor Babaev
Mats Bengtsson
Jonas Beskow
Ulrica Edlund
Viktoria Fodor
Katia Gallo
Till Grüne-Yanoff
Lars Jonsson
Anna Kadefors
Hedvig Kjellström
Patrick Norman
Johann Packendorff
Sergei Popov
Alexandre Proutiere
Sofia Ritzén
Henrik Sandberg
Natalia Skorodumova
Martin Viklund
Björn Önfelt