Search

Max Welling

La nomination

  • Boursier
  • Apprentissage automatique, apprentissage biologique

Institution

  • Université d’Amsterdam
Faculté des sciences

Pays

  • Les Pays-Bas

À propos

Max Welling est un informaticien qui travaille dans le domaine de l’intelligence artificielle (systèmes experts, apprentissage automatique, robotique).

Il est titulaire d’une chaire de recherche en apprentissage automatique à l’Université d’Amsterdam. Il est le cofondateur de « Scyfer BV », une entreprise dérivée de l’université en apprentissage profond. Il a fait un stage postdoctoral au California Institute of Technology, à l’Université de la Californie à Los Angeles et à l’Université de Toronto. Il a obtenu un doctorat en 1998 sous la supervision de Gerard ‘t Hooft, lauréat d’un prix Nobel. Il a siégé au conseil de rédaction de JMLR et de JML et a été rédacteur adjoint pour Neurocomputing et JCGS. Il a reçu des subventions de Google, Facebook, Yahoo, NSF, NIH, NWO et ONR-MUR. Actuellement, il siège au conseil de la fondation NIPS et du Data Science Research Center à Amsterdam. Il dirige l’Amsterdam Machine Learning Lab (AMLAB); et codirige le Qualcomm-UvA deep learning lab (QUVA), le Bosch-UvA Deep Learning lab (DELTA) et le AML4Health Lab.

Prix

Président du programme, ECV, 2016

Rédacteur en chef adjoint, IEEE TPAMI

Président général, NIPS, 2014

Prix du meilleur article, ICML, 2012

Prix Koenderink de l’ECCV, 2010

Subvention de carrière de la National Science Foundation, 2005

Publications Pertinentes

Kingma, D. et coll. « Variational Dropout and the Local Reparameterization Trick. » Article présenté à la NIPS Conferenc, 2015.


Korattikara, A. et coll. « Bayesian Dark Knowledge. » Article présenté à la conférence NIPS, 2015.


Kingma, D. et coll. « Semi-supervised Learning with Deep Generative Models. » Dans Proceedings of NIPS 2014, 3581–3589.


Cohen, T. et M. Welling. « Harmonic Exponential Families on Manifolds. » Article présenté à l’ICML, 2015.


Kingma, D. et M. Welling. « Auto-Encoding Variational Bayes. » Article présenté à l’ICLR, 2014.

 

Connecter

ResearchGate