Francesco Locatello reçoit la Google PhD Fellowship
Francesco Locatello, doctorant du Biomedical Informatics Lab (D-INFK) a été récompensé par la prestigieuse bourse Google PhD Fellowship.
![Francesco Locatello](/de/die-eth-zuerich/portraet/aktuelle-ehrungen-und-preise/2019/04/francesco-locatello-erhaelt-google-phd-fellowship/_jcr_content/news_content/textimage/image.imageformat.text50percent.1536447130.jpg)
Les intérêts de recherche de Francesco se concentrent sur les fondements des algorithmes d'optimisation et sur la manière d'utiliser leurs propriétés pour l'inférence. Il a prouvé la convergence de plusieurs algorithmes pour lesquels la convergence n'était pas connue auparavant, en particulier pour les algorithmes sans projection sur les contraintes coniques et le boosting de l'inférence variationnelle. En outre, lui et son collaborateur, Anant Raj, ont été parmi les premiers à montrer une convergence accélérée de la descente de coordonnées grecque.
Il a également travaillé sur l'optimisation non smooth, en montrant qu'une variante du Frank-Wolfe stochastique est capable de gérer des contraintes de fonction indicatrice à l'échelle, en plus des contraintes convexes habituelles. Cela couvre l'optimisation stochastique scalable de programmes semi-définis. Les avancées méthodologiques de ce type peuvent avoir des implications dans toute une série d'applications qui font appel à la programmation semi-définie ainsi qu'à l'apprentissage par le noyau, à l'estimation en ligne de la matrice de covariance, à l'ACP en continu, etc.
Récemment, il a travaillé sur l'apprentissage de la représentation en collaboration avec Google AI à Zurich. Il s'est concentré sur l'apprentissage non supervisé de représentations enchevêtrées, qui sont considérées comme fondamentales pour l'apprentissage de représentations. Les représentations dégroupées devraient contenir toutes les informations sur les observations dans une structure compacte mais interprétable, ce qui rend l'apprentissage de n'importe quelle tâche en aval facile. Son travail a mis en évidence de graves limitations des approches actuelles, en montrant que non seulement la divulgation non supervisée est théoriquement impossible, mais que de nombreuses promesses de divulgation ne sont pas tenues dans la pratique. Avec ses collaborateurs de Google AI, il a développé une bibliothèque open source pour une recherche équitable et reproductible sur l'intangibilité et continue actuellement à faire avancer le domaine avec des approches semi-supervisées. Il co-organise un défi à NeurIPS 2019 à Vancouver, pour apporter l'apprentissage de l'angulation aux jeux de données du monde réel et il présentera également ses derniers travaux à ICML2019 et ICLR2019.
À propos du prix
Google présente ces prix à des étudiants en doctorat exemplaires dans le domaine de l'informatique et des disciplines connexes. Avec ces bourses uniques, Google reconnaît les contributions des étudiants bénéficiaires à leurs domaines de spécialité et fournit un financement pour leur éducation et leur recherche.