莱斯特-麦基 计算机科学家和统计学家
莱斯特-麦基计算机科学家和统计学家 | 2023 级
开拓统计和机器学习技术，解决与现实世界相关的数据科学问题。
照片下载 >
下载视频文件 >
标题
计算机科学家和统计学家
工作单位
微软新英格兰研究院
工作地点
马萨诸塞州剑桥市
年龄
获奖时 38 岁
重点领域
计算机科学与电子工程、数学、统计学和概率论
网站
微软研究院：莱斯特-麦基
斯坦福大学莱斯特-麦基
社交网络
推特
主题
发表于 2023 年 10 月 4 日
关于莱斯特的工作
莱斯特-麦基（Lester Mackey）是一名计算机科学家和统计学家，致力于为数据科学问题提供实际应用解决方案。Mackey 在机器学习和统计方面的研究重点是提高超大数据集计算统计分析效率和预测性能的技术。他将自己的理论见解应用于开发可扩展的学习算法，使社会直接受益。
在早期工作中，麦基设计了一种方法，用于更准确地预测 ALS（卢伽雷氏病）患者的疾病进展率。麦基和他的团队利用最新发布的过去临床数据数据库，采用贝叶斯方法，通过特征选择和回归树，提供了比临床医生更准确的预后预测。麦基还研究了亚季节气候预测（2 到 6 周后），这是一种更具挑战性的天气预报形式，因为海洋和大气变量会产生长期的连锁反应。Mackey 的团队从多个现有资源中创建了一个新数据集，并开发了一种多任务学习方法。他们利用近邻搜索算法（根据相似性对数据进行分类）确定了相关的历史天气模式，利用多任务特征选择剔除了历史上不相关的数据，并训练了两个非线性回归模型来预测未来的气温和降水模式。他们的模型在气温和降水方面的表现都优于美国垦务局的预测结果。最近，Mackey 及其同事对动态天气模型采用了自适应偏差校正，进一步改进了对资源分配、洪水缓解和野火管理等决策至关重要的分季节预报。
麦基对统计理论的贡献包括一种压缩概率分布的新程序。数据压缩可以识别代表整个数据集关键信息的数据子集或样本。麦基和一位合作者创建了一种核减薄算法，可以更有效地进行处理和分析，并可扩展到非常大的样本量，如医学领域的样本量。麦基还扩展了斯坦因的方法（首次发表于 20 世纪 70 年代），将其用于多变量问题和样本数据质量测量，该测量可限制样本与目标预期之间的差异。受现实问题的启发，麦基开创了创新的统计和计算技术，以造福大众。
简历
莱斯特-麦基 2007 年获得普林斯顿大学统计学学士学位，2011 年获得加利福尼亚大学伯克利分校硕士学位，2012 年获得加利福尼亚大学伯克利分校博士学位。他曾在斯坦福大学担任统计学助理教授，并创建了社会公益统计工作组（2013-2016 年），后于 2016 年转至微软研究院，现任首席研究员。他的论文发表在《自然通讯》（Nature Communications）、《国际机器学习会议》（ICML）、《神经信息处理系统进展》（NeurIPS）、《统计年鉴》（Annals of Statistics）、《概率年鉴》（Annals of Probability）和《应用概率年鉴》（Annals of Applied Probability）上。
莱斯特的话
"我环顾四周，发现这个世界有太多明显的矛盾。"
我环顾四周，看到了太多明显的矛盾。在我的工作领域，在我的社区，在这个国家，我看到了如此多的创新、如此多的希望、如此多的财富，然而，每天我都会路过一位无家可归的邻居；每周都有人问我能否拿出一些零钱来做下一顿饭；每个月我都会收到另一份关于创纪录的热浪或突如其来的野火的报告。这就是我们的世界。如果我们不爱护它，谁来爱护它呢？
页:
[1]