Vladimir Vapnik

Cet article est une ébauche concernant un mathématicien.

Vous pouvez partager vos connaissances en l’améliorant (comment ?) selon les recommandations des projets correspondants.

Vladimir Vapnik

Biographie
Naissance	6 décembre 1936 (87 ans) Tachkent
Nationalités	soviétique américaine
Formation	Samarkand State University (en)
Activités	Mathématicien, professeur d'université, informaticien, statisticien

Autres informations
A travaillé pour	Meta (depuis le 25 novembre 2014) AT&T Labs (en) (1996-2002) Royal Holloway Université Columbia
Membre de	Académie nationale d'ingénierie des États-Unis
Directeur de thèse	Alexander Lerner (en)
Distinctions	Liste détaillée Prix Dennis Gabor (en) (2005) Prix Paris-Kanellakis (2008) IEEE Frank Rosenblatt Award (2012) Médaille Benjamin-Franklin (2012) Médaille John von Neumann (2017) IEEE Neural Networks Pioneer Award Kampé de Fériet Award (d)

Œuvres principales
Dimension de Vapnik-Chervonenkis, théorie de Vapnik-Chervonenkis

modifier - modifier le code - modifier Wikidata

Vladimir Naoumovitch Vapnik (en russe : Владимир Наумович Вапник), né le 6 décembre 1936, est un mathématicien et informaticien, célèbre pour avoir développé les machines à support vectoriel, être l'un des principaux contributeurs à la théorie de Vapnik-Chervonenkis et de la théorie de l'apprentissage statistique.

Biographie

Né en Union soviétique, il obtient en 1958 un diplôme de mathématiques à l'université d'État d'Ouzbékistan, à Samarcande, en Ouzbékistan, puis obtient en 1964 un doctorat de statistiques à l'Institut des Sciences de Contrôle, à Moscou. Il travaille dans ce même institut de 1961 à 1990, et en devient le directeur du département de recherche en informatique.

En 1995, il est nommé professeur d'informatique et de statistiques au Royal Holloway College, à l'Université de Londres. Aux laboratoires Bell d'AT&T de 1991 à 2001?, Vladimir Vapnik et ses collègues développent la théorie des machines à support vectoriel (aussi appelées « machines à vecteurs de support », ou encore « séparateurs à vaste marge »), dont ils démontrent l'intérêt dans nombre des problématiques importantes de l'apprentissage des machines et des réseaux de neurones, tels que la reconnaissance de caractères.

Il travaille ensuite aux laboratoires NEC de Princeton, dans le New Jersey, aux États-Unis, ainsi qu'à l'université Columbia, à New York.

En 2006, Vladimir Vapnik est admis à l'Académie nationale d'ingénierie des États-Unis.

En 2008, il a conjointement avec Corinna Cortes reçu le prix Paris-Kanellakis pour la théorie et la pratique pour le développement d'un algorithme hautement efficace pour l'apprentissage supervisé connu sous le nom de machines à vecteurs de support (SVM)^[1].

En novembre 2014, il rejoint le laboratoire de recherche sur l'intelligence artificielle de Facebook où il travaille avec Jason Weston, Ronan Collobert et Yann Le Cun^[2].

Il reçoit la médaille John von Neumann en 2017^[3].

Bibliographie

On the uniform convergence of relative frequencies of events to their probabilities (De la convergence uniforme des fréquences relatives des évènements vers leur probabilité), avec A. Y. Chervonenkis, 1971
Necessary and sufficient conditions for the uniform convergence of means to their expectations (Conditions nécessaires et suffisantes pour la convergence uniforme des moyennes vers leur espérance), avec A. Y. Chervonenkis, 1981
Estimation of Dependences Based on Empirical Data (Estimation des dépendances à partir de données empiriques), 1982
The Nature of Statistical Learning Theory (La nature de la théorie de l'apprentissage statistique), 1995
Statistical Learning Theory (Théorie de l'apprentissage statistique), 1998
Estimation of Dependences Based on Empirical Data (Estimation des dépendances à partir de données empiriques), réédition 2006 (Springer), qui contient également un essai philosophique sur la Science de l'inférence empirique (Empirical Inference Science), 2006

Notes et références

(en) Cet article est partiellement ou en totalité issu de l’article de Wikipédia en anglais intitulé « Vladimir Vapnik » (voir la liste des auteurs).

↑ Corinna Cortes et Vladimir Vapnik, « Support-Vector Networks », Machine Learning, vol. 20,‎ 1995, p. 273–297
↑ (en) « Facebook’s AI team hires Vladimir Vapnik, father of the popular support vector machine algorithm », VentureBeat,‎ 2014 (lire en ligne)
↑ IEEE JOHN VON NEUMANN MEDAL RECIPIENTS [PDF]

Voir aussi

Liens externes

Ressources relatives à la recherche :
- Digital Bibliography & Library Project
- Google Scholar
- Mathematics Genealogy Project
Notices d'autorité :
- VIAF
- ISNI
- BnF (données)
- IdRef
- LCCN
- GND
- Pays-Bas
- Israël
- NUKAT
- Suède
- Tchéquie
- WorldCat
page personnelle sur le site du laboratoire de recherche de Facebook
photographie de Vladimir Vapnik
(en) mini-biographie de Vladimir Vapnik sur le site du Royal Holloway College

v · m Lauréats du prix Paris-Kanellakis
Adleman, Diffie, Hellman, Merkle, Rivest et Shamir (1996) Lempel et Ziv (1997) Bryant, Clarke, Emerson et McMillan (1998) Sleator et Tarjan (1999) Karmarkar (2000) Myers (2001) Franaszek (2002) Miller, Rabin, Solovay et Strassen (2003) Freund et Schapire (2004) Holzmann, Kurshan, Vardi et Wolper (2005) Robert Brayton (2006) Bruno Buchberger (2007) Corinna Cortes et Vladimir Vapnik (2008) Bellare et Rogaway (2009) Kurt Mehlhorn (2010) Hanan Samet (2011) Andrei Broder, Moses Charikar et Piotr Indyk (2012) Robert D. Blumofe et Charles E. Leiserson (2013) James Demmel (2014) Michael Luby (2015) Amos Fiat et Moni Naor (2016) Scott Shenker (2017) Pevzner (2018) Noga Alon, Phillip Gibbons, Yossi Matias et Mario Szegedy (2019) Yossi Azar, Andrei Broder, Anna Karlin, Michael Mitzenmacher et Eli Upfal (2020) Avrim Blum, Irit Dinur, Cynthia Dwork, Frank McSherry, Kobbi Nissim et Adam Davison Smith (2021) Michael Burrows, Paolo Ferragina et Giovanni Manzini (2022)

v · m

Lauréats du prix Paris-Kanellakis

Adleman, Diffie, Hellman, Merkle, Rivest et Shamir (1996)
Lempel et Ziv (1997)
Bryant, Clarke, Emerson et McMillan (1998)
Sleator et Tarjan (1999)
Karmarkar (2000)
Myers (2001)
Franaszek (2002)
Miller, Rabin, Solovay et Strassen (2003)
Freund et Schapire (2004)
Holzmann, Kurshan, Vardi et Wolper (2005)
Robert Brayton (2006)
Bruno Buchberger (2007)
Corinna Cortes et Vladimir Vapnik (2008)
Bellare et Rogaway (2009)
Kurt Mehlhorn (2010)
Hanan Samet (2011)
Andrei Broder, Moses Charikar et Piotr Indyk (2012)
Robert D. Blumofe et Charles E. Leiserson (2013)
James Demmel (2014)
Michael Luby (2015)
Amos Fiat et Moni Naor (2016)
Scott Shenker (2017)
Pevzner (2018)
Noga Alon, Phillip Gibbons, Yossi Matias et Mario Szegedy (2019)
Yossi Azar, Andrei Broder, Anna Karlin, Michael Mitzenmacher et Eli Upfal (2020)
Avrim Blum, Irit Dinur, Cynthia Dwork, Frank McSherry, Kobbi Nissim et Adam Davison Smith (2021)
Michael Burrows, Paolo Ferragina et Giovanni Manzini (2022)

v · m Personnalités de l'exploration de données
Francis Galton – Régression linéaire (1875) Ronald Fisher et Prasanta Chandra Mahalanobis – Analyse discriminante (1936) Karl Pearson – Distribution du χ² (1900) Louis Guttman – Analyse factorielle des correspondances (1941) Mc Culloch et Pitts – Réseaux de neurones (1943) Joseph Berkson – Régression logistique (1944) Frank Rosenblatt – Perceptron (1958) J.-P. Benzécri – Analyse des correspondances (1962) J.P.Sonquist et J.-A.Morgan – Arbre de décision AID (1964) James B. MacQueen – K-means (1967) Gilbert Saporta – Méthode de classement DISQUAL (1975) John Henry Holland – Algorithmes génétiques (1975) Gordon V. Kass – Arbre de décision CHAID (1980) Herman Wold et Svante Wold – Régression PLS (1983) Leo Breiman – Arbre CART (1984) Teuvo Kohonen – Réseaux de T. Kohonen (1989) J. Ross Quinlan – Arbre C4.5 (1993) Vladimir Vapnik – Support vector machines (1998) Michel Tenenhaus – Régression PLS (2000) Leo Breiman – Forêt d'arbres décisionnels (2001)
Source : « Le Data mining Présentation - page 13-14 - Stéphane Tufféry »

v · m

Personnalités de l'exploration de données