Corinna Cortes

Corinna Cortes

Corinna Cortes ist eine US-amerikanische Informatikerin, bekannt für Arbeiten, die die theoretischen Grundlagen für Support Vector Machines (SVM) legten.

Cortes studierte Physik in Kopenhagen, wo sie am Niels-Bohr-Institut ihren Diplomabschluss machte. 1993 wurde sie in Informatik an der University of Rochester promoviert. Sie ist bei Google Inc. in New York, wo sie Leiterin der Forschung (Google Research) ist.

Sie befasst sich mit Datenbanken, Maschinenlernen und Suchalgorithmen. Neben der Entwicklung von SVM[1] trug sie auch zu Data-Mining bei. Ab 1989 forschte sie bei den ATT Bell Laboratories.

Mit Vladimir Vapnik erhielt sie 2008 den Paris-Kanellakis-Preis der ACM für ihre Arbeiten zu SVM. Für ihre Arbeiten zu Data-Mining in großen Datenmengen erhielt sie 2000 den

Sie hat zwei Kinder und ist Marathon-Läuferin, die zum Beispiel beim More Marathon in New York 2005 Dritte wurde.

Weblinks

Einzelnachweise

  1. ↑ Cortes, Vapnik Support Vector Machines, Machine Learning, Band 20, 1995, S. 273-297

Wikimedia Foundation.

Игры ⚽ Поможем написать курсовую

Schlagen Sie auch in anderen Wörterbüchern nach:

  • Corinna Cortes — is an American computer scientist who is known for her contributions to the field of machine learning. She is currently the Head of Google Research, New York.[1] Cortes is a recipient of the Paris Kanellakis Theory and Practice Award for her work …   Wikipedia

  • Cortes — Mit Cortes werden folgende Institutionen bezeichnet: die historischen Ständeversammlungen in Spanien und Portugal, siehe Cortes (Ständeversammlung); das spanische Parlament, die Cortes Generales; die Regionalparlamente im heutigen Spanien, siehe… …   Deutsch Wikipedia

  • Support vector machine — Support vector machines (SVMs) are a set of related supervised learning methods used for classification and regression. Viewing input data as two sets of vectors in an n dimensional space, an SVM will construct a separating hyperplane in that… …   Wikipedia

  • Machine a vecteurs de support — Machine à vecteurs de support Les machines à vecteurs de support ou séparateurs à vaste marge (en anglais Support Vector Machine, SVM) sont un ensemble de techniques d apprentissage supervisé destinées à résoudre des problèmes de… …   Wikipédia en Français

  • Machine À Vecteurs De Support — Les machines à vecteurs de support ou séparateurs à vaste marge (en anglais Support Vector Machine, SVM) sont un ensemble de techniques d apprentissage supervisé destinées à résoudre des problèmes de discrimination[1] et de régression. Les SVM… …   Wikipédia en Français

  • Machine à vecteur de support — Machine à vecteurs de support Les machines à vecteurs de support ou séparateurs à vaste marge (en anglais Support Vector Machine, SVM) sont un ensemble de techniques d apprentissage supervisé destinées à résoudre des problèmes de… …   Wikipédia en Français

  • Machine à vecteurs de support — Les machines à vecteurs de support ou séparateurs à vaste marge (en anglais Support Vector Machine, SVM) sont un ensemble de techniques d apprentissage supervisé destinées à résoudre des problèmes de discrimination[note 1] et de régression. Les… …   Wikipédia en Français

  • Separateur a Vaste Marge — Machine à vecteurs de support Les machines à vecteurs de support ou séparateurs à vaste marge (en anglais Support Vector Machine, SVM) sont un ensemble de techniques d apprentissage supervisé destinées à résoudre des problèmes de… …   Wikipédia en Français

  • Support vector machine — Machine à vecteurs de support Les machines à vecteurs de support ou séparateurs à vaste marge (en anglais Support Vector Machine, SVM) sont un ensemble de techniques d apprentissage supervisé destinées à résoudre des problèmes de… …   Wikipédia en Français

  • Séparateur à Vaste Marge — Machine à vecteurs de support Les machines à vecteurs de support ou séparateurs à vaste marge (en anglais Support Vector Machine, SVM) sont un ensemble de techniques d apprentissage supervisé destinées à résoudre des problèmes de… …   Wikipédia en Français

Share the article and excerpts

Direct link
… Do a right-click on the link above
and select “Copy Link”