« Geoffrey Hinton » : différence entre les versions

Un article de Wikipédia, l'encyclopédie libre.
Contenu supprimé Contenu ajouté
Ixnay (discuter | contributions)
photo
Ixnay (discuter | contributions)
mAucun résumé des modifications
Ligne 3 : Ligne 3 :


== Biographie ==
== Biographie ==
Hinton a fait ses études au [[King's College (Cambridge)|King's College]] où il obtient une licence de psychologie expérimentale en 1970. Il a réalisé un [[Philosophiæ doctor|doctorat]] en [[intelligence artificielle]] à l' [[Université d'Edimbourg]] dirigié par [[Hugh Christopher Longuet-Higgins|Christophe Longuet-Higgins]] et achevé en 1978.
Hinton a fait ses études au [[King's College (Cambridge)|King's College]] où il obtient une licence de psychologie expérimentale en 1970. Il a réalisé un [[Philosophiæ doctor|doctorat]] en [[intelligence artificielle]] à l' [[Université d'Edimbourg]] dirigé par [[Hugh Christopher Longuet-Higgins|Christophe Longuet-Higgins]] et achevé en 1978.


Après son Doctorat, il a travaillé successivement à l' [[Université du Sussex|Université de Sussex]], à l' [[Université de Californie à San Diego|Université de Californie]], [[Université Carnegie-Mellon|l'Université de Carnegie Mellon]] et l' [[Université de Toronto]]. Hinton a réalisé a cours en ligne sur la plateforme [[Coursera]] en 2012.<ref>https://www.coursera.org/learn/neural-networks</ref> Il a rejoint [[Google]] en 2013.
Après son Doctorat, il a travaillé successivement à l' [[université du Sussex]], à l' [[Université de Californie à San Diego|université de Californie]], à l'[[université Carnegie-Mellon]] et à l'[[université de Toronto]]. Hinton a réalisé un cours en ligne sur la plateforme [[Coursera]] en 2012 portant sur les réseaux de neurones artificiels.<ref>https://www.coursera.org/learn/neural-networks</ref> Il a rejoint [[Google]] en 2013.


== Recherche ==
== Recherche ==

Version du 14 juillet 2017 à 13:54

Geoffrey Hinton lors d'une conférence

Geoffrey Hinton (né le 6 décembre 1947) est un chercheur canadien spécialiste de l'intelligence artificielle et plus particulièrement des réseaux de neurones artificiels. Il fait partie de l'équipe Google Brain et est professeur au département d'informatique de l'Université de Toronto.Il a été l'un des premiers à mettre en application l'algorithme de rétropropagation du gradient pour l'entraînement d'un réseau de neurones multi-couches. Il fait partie des figures de proue de la communauté de l'apprentissage profond.[1][2][3]

Biographie

Hinton a fait ses études au King's College où il obtient une licence de psychologie expérimentale en 1970. Il a réalisé un doctorat en intelligence artificielle à l' Université d'Edimbourg dirigé par Christophe Longuet-Higgins et achevé en 1978.

Après son Doctorat, il a travaillé successivement à l' université du Sussex, à l' université de Californie, à l'université Carnegie-Mellon et à l'université de Toronto. Hinton a réalisé un cours en ligne sur la plateforme Coursera en 2012 portant sur les réseaux de neurones artificiels.[4] Il a rejoint Google en 2013.

Recherche

Les travaux de recherche de Hinton concernent principalement les réseaux de neurones artificiels en lien avec l'apprentissage automatique et l'étude de la mémoire ou de la perception. Il a été l'un des premiers chercheurs à avoir fait la preuve de l'algorithme de rétropropagation pour l'entraînement de réseaux de neurones multi-couches. Il a co-inventé les machines de Boltzmann avec David Ackley et Terry Sejnowski.[5] Ses autres contributions portent sur les représentations distribuées, les time delay neural networks, le produit et mélanges d'experts, les machines de Helmholtz, la visualisation de données - il est co-inventeur de l'algorithme t-SNE

Références

  1. "How a Toronto professor’s research revolutionized artificial intelligence".
  2. [vidéo] Disponible sur YouTube
  3. AMA Geoffrey Hinton (self.
  4. https://www.coursera.org/learn/neural-networks
  5. Ackley, David H; Hinton Geoffrey E; Sejnowski, Terrence J (1985), "A learning algorithm for Boltzmann machines", Cognitive science, Elsevier, 9 (1): 147–169