Мари де Жарденс | |
---|---|
Рожденный | |
Альма-матер | Гарвардский университет Калифорнийский университет в Беркли |
Известный | образование в области искусственного интеллекта и информатики |
Награды | Стипендиат AAAI (2018) Стипендиат AAAS (2022) |
Научная карьера | |
Поля | Информатика |
Учреждения | Университет Мэриленда, округ Балтимор SRI International Университет Симмонса |
научный руководитель | Стюарт Дж. Рассел |
Мари де Жарденс — американский ученый-компьютерщик, известная своими исследованиями в области искусственного интеллекта и образования в области компьютерных наук . Она также активно работает над расширением участия в вычислительной технике.
Дежарденс выросла в Колумбии, штат Мэриленд. Она получила степень бакалавра в области инженерии и компьютерных наук в Гарвардском университете в 1985 году. Она получила степень доктора философии в области компьютерных наук в Университете Беркли в 1992 году.
В 1991 году она присоединилась к SRI International, работая в Центре искусственного интеллекта. В 2001 году она присоединилась к кафедре компьютерных наук и электротехники в Университете Мэриленда, округ Балтимор , в качестве доцента. Там она была повышена до доцента в 2007 году и до профессора в 2011 году. В 2015 году она была назначена заместителем декана по академическим вопросам в Колледже инженерии и информационных технологий UMBC. Она покинула UMBC [1] в 2018 году, чтобы стать деканом-основателем Колледжа организационных, вычислительных и информационных наук [2] в Университете Симмонса в Бостоне.
Дежарденс исследовал влияние топологии сети на эффективность формирования команды в многоагентных системах, показав, что безмасштабные сети часто являются наиболее эффективными топологиями для облегчения формирования команды и приводят к разработке методов обучения агентов для адаптации их поведенческих стратегий. [3]
Она продемонстрировала первый подход к моделированию доверия, который явно разделяет влияние компетентности (то есть степени, в которой агент способен выполнять свои обязательства) и целостности (то есть степени, в которой агент фактически привержен выполнению своей части совместного действия) на принятие решений. Эта структура была позже расширена для включения репутации (косвенные наблюдения, предоставляемые сторонними агентами, с приложениями к онлайн-системам рейтинга и формированию цепочки поставок. [4]
Во многих областях, когда набор элементов представлен как коллекция, взаимодействия между элементами могут повышать (из-за взаимодополняемости) или снижать (из-за избыточности или несовместимости) качество набора в целом. Хотя этот «эффект портфеля» иногда упоминался в литературе, эта работа была первой, которая решила эту проблему общим способом, смоделировав компромисс между «глубиной» набора (т. е. какие характеристики отдельных элементов рассматриваются как более или менее желательные) и его «разнообразием» (т. е. насколько широко или узко распределены объекты в наборе по их возможному диапазону). [5]
Эта работа представила эвристический метод использования преимуществ таксономий или иерархий значений в обучении байесовской сети путем поиска наиболее эффективного уровня абстракции в таксономии, обнаружения различий, релевантных для входных данных, и игнорирования остальных. Этот процесс уменьшает количество параметров, которые должны быть оценены, и упрощает представление, сохраняя при этом значимые различия в области. [6]
Эта статья, представляющая комплексные советы, которые помогут аспирантам пройти процесс получения степени магистра или доктора наук и наладить прочные отношения с наставниками, была широко распространена среди аспирантов по всему миру и переведена на несколько языков. [7] Она также была опубликована в IAPPP Communications (зима 1995 г., № 58) и отрывки из нее были представлены в SHPE (официальном журнале Общества профессиональных инженеров-латиноамериканцев) зимой 2000 г. и в IEEE Potentials (август/сентябрь 1996 г.).
В 2018 году она стала стипендиатом AAAI [8] , а в 2022 году — стипендиатом AAAS [9].
Среди ее других значимых наград: