Команда++31.03.2016 07:00

Основные сотрудники

• Юра Бурда (Yura Burda). Юра⁠ защитил докторскую степень по математике в 24 года, а полтора года назад переквалифицировался в специалиста по машинному обучению. Он сосредоточен на генеративных моделях⁠. Он обнаружил⁠ простое, но фундаментальное улучшение вариационной нижней границы, которое ускользало от внимания исследователей с момента её первоначального открытия много десятилетий назад.
• Иэн Гудфеллоу (Ian Goodfellow). Иэн⁠ хорошо известен своими многочисленными вкладами в машинное обучение, включая сети MaxOut⁠ и генеративные состязательные сети (GAN)⁠, последние из которых служат мощным стимулом для исследований в области генеративного моделирования. Кроме того, он является ведущим автором книги⁠ по глубокому обучению.
• Алек Радфорд (Alec Radford). Алек⁠ создал DCGAN⁠ — нейронную модель, способную генерировать крупные, связные изображения с беспрецедентным уровнем глобальной согласованности и детализации. Кроме того, его модель научилась выполнять аналогии с изображениями⁠ полностью без учителя.
• Тим Салиманс (Tim Salimans). Тим⁠ — эксперт по вариационным методам. Будучи автором первой статьи⁠ по стохастическому градиентному вариационному выводу (за которую он получил премию Линдли⁠), одно время он занимал 2-е место в общем зачете⁠ на Kaggle.

Стажеры

Также к нам на лето присоединяются (а в некоторых случаях продолжат сотрудничество после возвращения в свои учебные заведения):

• Питер Чен (Peter Chen). Питер⁠ ранее стал соучредителем стартапа⁠ и занимался исследованиями в области параллельных вычислений и когнитивных наук. В последнее время он работал над обучением с подкреплением — от теории до практического применения с использованием глубоких нейросетей.
• Рокки Дуан (Rocky Duan). Рокки⁠ — аспирант, который ранее стал соучредителем стартапа⁠ (вместе с Питером) и работал над рядом проектов в области робототехники. Сейчас он переключился на сферу глубокого обучения с подкреплением, а недавно был ассистентом преподавателя (TA) на курсе по глубокому обучению с подкреплением⁠ в Беркли.
• Линьси Фань (Linxi Fan). Хотя Линьси⁠ только что закончил учебу по программе бакалавриата, он уже успел поработать над самыми разными⁠ проектами в области глубокого обучения, включая Deep Speech 2⁠.
• Джон Готье (Jon Gauthier). Джон⁠ — студент бакалавриата, среди достижений которого, помимо прочего, разработка метода⁠, позволяющего эффективно обучать крупные рекуррентные нейронные сети на больших наборах данных.
• Джонатан Хо (Jonathan Ho). Джонатан⁠ — аспирант Стэнфорда, где он разрабатывает новый подход к обучению с подражанием (imitation learning). Ранее в своей исследовательской карьере он успешно обучал роботов завязывать узлы⁠.
• Рейн Хаутхуфт (Rein Houthooft). Рейн⁠ родом из Бельгии, свою исследовательскую карьеру он начинал в области компьютерных сетей, а теперь разрабатывает новые способы интеграции неопределенности в алгоритмы глубокого обучения с подкреплением.
• Эрик Прайс (Eric Price). Эрик⁠ — профессор теоретической информатики в Техасском университете в Остине. Его достижения включают разработку и анализ разреженного преобразования Фурье, работающего быстрее, чем за n log n. В прошлом он завоевал абсолютный балл⁠ на Международной олимпиаде по информатике (IOI).

В заключение отметим, что нам задают много вопросов о том, над чем мы работаем, как мы работаем и к чему стремимся. Мы не пытаемся намеренно окутывать себя тайной; мы просто были заняты запуском организации (и поиском потрясающих людей, которые нам в этом помогают!).

В настоящее время мы сосредоточены на обучении без учителя и обучении с подкреплением. В ближайший месяц-два у нас появятся интересные результаты, которыми мы сможем поделиться. Многие из нас будут на конференции ICLR⁠, где мы, вероятно, проведем какое-нибудь мероприятие. В мае или июне я также проведу сессию на Quora⁠, чтобы ответить на любые вопросы тех, с кем мы не встретимся в Пуэрто-Рико.