Matthiasa Grossglausera

Profesor Matthiasa Grossglausera
Matthiasa Grossglausera w 2012 roku
Urodzić się	1969 (wiek 53–54) Niederbipp , Szwajcaria
Narodowość	szwajcarski
Edukacja	Systemy komunikacji
Alma Mater	EPFL Georgia Tech Pierre i Uniwersytet Marie Curie
Kariera naukowa
Pola	Uczenie maszynowe , analiza danych , nauka o sieciach , obliczeniowa nauka społeczna , teoria dyskretnego wyboru
Instytucje	EPFL (École Polytechnique Fédérale de Lozanna)
Praca dyplomowa	Kontrola zasobów sieciowych w wielu skalach czasowych (Contrôle des Ressources de Réseaux sur des Échelles Temporelles Multiples) (1998)
Doradca doktorski	Jean Chryzostom Bolot
Strona internetowa	https://indy.epfl.ch/

Matthias Grossglauser (ur. 1969 w Niederbipp w Szwajcarii ) jest szwajcarskim inżynierem ds. komunikacji. Jest profesorem informatyki w EPFL (École Polytechnique Fédérale de Lausanne) i współdyrektorem Laboratorium Dynamiki Informacji i Sieci (INDY) w Szkole Nauk Podstawowych EPFL School of Computer and Communication Sciences.

Kariera

Grossglauser studiował systemy komunikacyjne i inżynierię elektryczną odpowiednio na EPFL i Georgia Institute of Technology , które ukończył z tytułem magistra w 1994 r. Uzyskał tytuł doktora z najwyższym wyróżnieniem w dziedzinie informatyki na Uniwersytecie Pierre'a i Marie Curie (UPMC) w Paryżu w 1998 r. Jego rozprawa doktorska na temat „Kontrola zasobów sieciowych w wielu skalach czasowych” (w oryginale francuskim: Contrôle des ressources de réseaux sur des échelles temporelles multiples ) była promotorem Jean-Chrysostome Bolot. Potem dołączył AT&T (Shannon Labs) w Florham Park, New Jersey, jako główny naukowiec. W 2003 roku przeniósł się jako adiunkt do Szkoły Informatyki i Komunikacji EPFL . W 2007 roku dołączył do Centrum Badawczego Nokia (NRC) w Helsinkach , najpierw jako dyrektor Laboratorium Internetowego, a następnie w 2009 roku został szefem programu Data Insight i członkiem CEO Technology Council. W 2011 roku został profesorem nadzwyczajnym w EPFL 's School of Computer and Communication Sciences, gdzie awansował na stanowisko profesora zwyczajnego w 2021 roku.

Badania

Badania Grossglausera koncentrują się na uczeniu maszynowym i analizie danych oraz ich zastosowaniach w nauce o sieciach , obliczeniowych naukach społecznych i systemach rekomendujących . Jego zainteresowania obejmują między innymi eksplorację grafów , eksplorację mobilności, epidemie , modele dyskretnego wyboru , aktywne uczenie się oraz pomiary ruchu sieciowego .

Eksploracja grafów: Zbiory danych o strukturze grafów obejmują internetowe sieci społecznościowe (OSN; np. Facebook, LinkedIn i Twitter) oraz sieci biologiczne (np. interakcje białek z białkami (PPI) i sieci regulacyjne genów), które można badać za pomocą technik analizy danych w celu wydobywać wiedzę i przewidywać. Wykorzystuje modele stochastyczne do dużych grafów i analizuje je za pomocą algorytmów, aby uzyskać podstawową wiedzę na temat właściwości składników.

Mobility Mining: Grossglauser bada zastosowanie uczenia maszynowego w celu zebrania bogatej struktury danych dotyczących mobilności generowanej przez miliony użytkowników w ruchu za pomocą smartfonów. Interesuje się aplikacjami takimi jak reklama lokalizacyjna, nawigacja i transport oraz rozszerzona rzeczywistość.

Epidemie: Modele epidemii umożliwiają badanie dynamiki i długoterminowej asymptotyki procesów epidemicznych, takich jak choroby zakaźne lub rozpowszechnianie idei w sieciach społecznościowych. Bada również środki, takie jak szczepienie, aby spowolnić ten proces, lub celowe infekcje, aby zoptymalizować rozprzestrzenianie się opinii. W tej dziedzinie Grossglauser jest zainteresowany problemami szacowania epidemii przy monitorowaniu ograniczeń budżetowych.

Modele dyskretnego wyboru: bada nowe implementacje i stochastyczne modele wyborów, porównań i rankingów w kontekstach online, a także ich problemy wnioskowania na dużą skalę i aktywnego uczenia się.

Aktywne uczenie się: bada i wdraża metody zarabiania, które równoważą konkurencyjny cel zdobywania większej wiedzy poprzez odkrywanie nowych danych w locie. Celem jest doraźna optymalizacja procesu uczenia się w oparciu o aktualny stan wiedzy.

Pomiar ruchu sieciowego : Grossglauser wspólnie z Nickiem Duffieldem jest twórcą metody próbkowania trajektorii (TS). Ma na celu uczynienie pomiaru ruchu dla operatorów sieci bardziej wydajnym i mniej podatnym na błędy, przy jednoczesnym zachowaniu zgodności z istniejącymi protokołami IP i formatami pakietów. Jego rozwój doprowadził do powstania grupy roboczej PSAMP w IETF , która ustandaryzowała TS i od tego czasu stała się oficjalnym standardem IETF.

Wyróżnienia

Grossglauser jest członkiem IEEE (2021), członkiem Association for Computing Machinery (ACM), komisarzem Szwajcarskiej Federalnej Komisji Łączności (ComCom; niezależny organ regulacyjny szwajcarskiego rynku telekomunikacyjnego) oraz członkiem zarządu Szwajcarskie Stowarzyszenie Badań Informatycznych (SIRA).

Jest laureatem nagrody Best Paper Award 2014 na ACM Conference of Online Social Networks za referat „Mining Democracy”, nagrody Winning Algorithm Award 2012 w konkursie „Nokia Mobile Data Challenge: Next Place Prediction”, nagrody ACM SIGCOMM/CoNEXT 2006 Rising Star Award, nagrodę Best Paper Award 2001 na IEEE INFOCOM za artykuł „Mobilność zwiększa pojemność sieci bezprzewodowych Ad-hoc” oraz nagrodę Cor Baayen Award 1998 od Europejskiego Konsorcjum Badawczego ds. Informatyki i Matematyki (ERCIM).

Wybrane prace

• Czumbałow, Daniyar; Maystre, Lucas; Grossglauser, Matthias (21.11.2020). „Skalowalne i wydajne wyszukiwanie oparte na porównaniach bez funkcji” . Międzynarodowa konferencja na temat uczenia maszynowego . PMLR: 1995–2005. ar Xiv : 1905.05049 .
• Salehi, Farnood; Trouleau, William; Grossglauser, Matthias; Thiran, Patrick (2019-11-01). „Uczenie się procesów Hawkesa na podstawie kilku zdarzeń”. arXiv : 1911.00292 [ cs.LG ].
• Maystre, Lucas; Grossglauser, Matthias (2017-07-17). „Po prostu to posortuj! Proste i skuteczne podejście do aktywnego uczenia się preferencji” . Międzynarodowa konferencja na temat uczenia maszynowego . PMLR: 2344–2353.
•    Kazemi, Ehsan; Hassani, Hamed; Grossglauser, Matthias; Pezeshgi Modares, Hassan (2016). „WŁAŚCIWE: Globalne dopasowanie sieci interakcji białek poprzez dopasowanie perkolacji” . BMC Bioinformatyka . 17 (1): 527. doi : 10.1186/s12859-016-1395-9 . PMC 5153870 . PMID 27955623 .
• "Logowanie - Infoscience" .
• Kazemi, Ehsan; Hassani, S. Hamed; Grossglauser, Matthias (2015). „Uprawa pasującego wykresu z garści nasion” (PDF) . Postępowanie fundacji VLDB . 8 (10): 1010–1021. doi : 10.14778/2794367.2794371 .
•    Jarcewa, Ludmiła; Grossglauser, Matthias (2013). „O wydajności dopasowywania wykresów perkolacji”. Materiały z pierwszej konferencji ACM poświęconej internetowym sieciom społecznościowym - COSN '13 . s. 119–130. doi : 10.1145/2512938.2512952 . ISBN 9781450320849 . S2CID 6352205 .
•   Kafsi, Mohamed; Grossglauser, Matthias; Thiran, Patrick (2013). „Entropia warunkowych trajektorii Markowa”. Transakcje IEEE dotyczące teorii informacji . 59 (9): 5577–5583. doi : 10.1109/TIT.2013.2262497 . S2CID 8359957 .
•    Pedarsani, Pedram; Grossglauser, Matthias (2011). „O prywatności anonimowych sieci”. Materiały z 17. międzynarodowej konferencji ACM SIGKDD nt. Odkrywania wiedzy i eksploracji danych - KDD '11 . P. 1235. doi : 10.1145/2020408.2020596 . ISBN 9781450308137 . S2CID 15970415 .

Linki zewnętrzne

• Matthiasa Grossglausera indeksowane przez Google Scholar
• Strona internetowa Laboratorium Dynamiki Informacji i Sieci (INDY)