Томми Яакола ⇐ Васина Википедия

[wiki_en]

'''Томми Яаккола''' — профессор информатики Массачусетского технологического института, работает главным исследователем в лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института.
Его работа сосредоточена на машинном обучении и обработке естественного языка, специализируясь на таких темах, как логический вывод, полуконтролируемое обучение, поиск информации и обучение с подкреплением.
В 2017 году он был избран членом Ассоциации по развитию искусственного интеллекта в знак признания «значительного вклада в области машинного обучения, вычислительной биологии и обработки естественного языка».
== Карьера ==
Яаккола окончил Хельсинкский технологический университет в 1992 году и получил степень доктора философии. получил степень бакалавра компьютерной нейробиологии в Массачусетском технологическом институте в 1997 году. Получив постдокторантуру в области вычислительной молекулярной биологии, он поступил на факультет MIT EECS в 1998 году.

Исследования Яакколы направлены на решение вопросов, связанных с выводами, алгоритмами и оценкой в ​​машинном обучении, включая крупномасштабный вероятностный распределенный вывод, глубокое обучение и причинно-следственный вывод. Прикладная сторона его работы включала проблемы обработки естественного языка, такие как синтаксический анализ, регуляторные модели в вычислительной биологии, вычислительной химии и вычислительной функциональной геномике.

Он провел обширное исследование неконтролируемых систем, которые можно пассивно обучить изучать язык, как люди, чтобы они могли работать, используя только аудио. Одна из его моделей перевода
Еще одна важная тема — объяснимость и лучшее понимание того, как системы машинного обучения производят результаты. Вместе с профессором Массачусетского технологического института Региной Барзилай он продемонстрировал методы лучшей интерпретации обоснований решений, основанных на языковых моделях.
Яаккола также проделал работу, связанную с разработкой лекарств, создав модели машинного обучения, которые могут совместно изучать взаимодействие лекарства с мишенью и синергию лекарств для открытия новых комбинаций лекарств для лучшей защиты от коронавирусов.
Его статьи получили более 45 000 цитирований с индексом Хирша 94