科琳娜·科特斯
科琳娜·科特斯（丹麦语：Corinna Cortes，1961年3月31日—）是一名丹麦裔美国计算机科学家，因其对机器学习的贡献而知名。她是位于纽约市的Google研究中心的副总裁[3]。科特斯是计算机协会会士，并因其在支持向量机理论基础方面的工作而获得帕里斯·卡内拉基斯奖[4][5][3]。
| 科琳娜·科特斯 Corinna Cortes | |
|---|---|
| 出生 | 1961年3月31日 丹麦 |
| 国籍 |  美国 |
| 母校 | 哥本哈根大学（MS） 罗彻斯特大学（PhD） |
| 知名于 | 支持向量机 MNIST资料集 |
| 奖项 | 帕里斯·卡内拉基斯奖（2008） 计算机协会会士（2023） |
| 网站 | research |
| 科学生涯 | |
| 研究领域 | 机器学习 资料探勘[1] |
| 机构 | 贝尔实验室 AT&T贝尔实验室 哥本哈根大学 |
| 论文 | Prediction of generalization ability in learning machines（1994年） |
| 博士导师 | Randal C. Nelson[2] |
早年生活和教育
科特斯于1961年3月31日出生于丹麦。她于1989年在哥本哈根大学获得物理学硕士学位[3]，并于1993年在罗彻斯特大学获得计算机科学博士学位，由兰道尔·C·纳尔逊 （Randal C. Nelson）指导[2]。
职业生涯
科特斯于1993年加入AT&T贝尔实验室担任研究员。她于2003年起担任纽约市Google研究中心的副总裁[3]，并于2011年起担任UCPH计算机科学系的兼职教授[6]。她是《机器学习》期刊的编辑委员会成员[7]。
科特斯的研究涵盖了机器学习的广泛主题，包括支持向量机（SVM）资料探勘。SVM是机器学习中最经常使用的算法之一，它被用于许多实际应用中，包括医疗诊断和天气预报[4]。在AT&T，科特斯是Hancock程式语言设计的贡献者[8]。
荣誉
2008年，科特斯与弗拉基米尔·瓦普尼克共同获得帕里斯·卡内拉基斯奖，以表彰其开发了一种被称为支持向量机（SVM）的监督学习的高效算法[9]。由于对机器学习的理论和实践贡献、工业领导力和对该领域的服务，她于2023年获选为计算机协会会士[10]。
个人生活
科特斯有两个孩子，也是一个有竞争力的跑步运动员[3]。
参考资料
- ^ 由Google学术搜索索引的科琳娜·科特斯出版物
- ^ 2.0 2.1 Cortes, Corinna. Prediction of generalization ability in learning machines. rochester.edu (PhD论文) (University of Rochester). 1993. OCLC 31469473. hdl:1802/811. ProQuest 304147134.
- ^ 3.0 3.1 3.2 3.3 3.4 research
.google /people /author121 - ^ 4.0 4.1 ACM Awards Recognize Innovators in Computer Science Who Solve Real World Problems. Association for Computing Machinery. [8 November 2011]. （原始内容存档于15 April 2012）.
- ^ 科琳娜·科特斯在数字书目索引与图书馆项目中的页面
- ^ Miniportræt: Corinna Cortes. University of Copenhagen, Department of Computer Science. 2014-09-10 [2 April 2021] （丹麦语）. [失效链接]
- ^ Machine Learning - Editorial Board. Springer. [8 November 2011]. （原始内容存档于2011-09-29）.
- ^ Cortes, Corinna; Fisher, Kathleen; Pregibon, Daryl; Rogers, Anne; Smith, Frederick. Hancock: A language for analyzing transactional data streams. ACM Transactions on Programming Languages and Systems. 2004-03-01, 26 (2): 301–338. ISSN 0164-0925. S2CID 12915177. doi:10.1145/973097.973100.
- ^ Cortes, Corinna; Vladimir Vapnik. Support-Vector Networks. Machine Learning. 1995, 20 (3): 273–297. doi:10.1007/BF00994018
.
- ^ Anon. Global Computing Association Names 57 Fellows for Outstanding Contributions That Propel Technology Today. acm.org. 2023. （原始内容存档于2023-01-18）.
