""

申博平台-申博sunbet手机版

教授

迈克尔奥斯本 BSC(荣誉)绷(荣誉)哲学博士

工程科学副教授

埃克塞特大学的研究员

电子邮件: mosb@robots.ox.ac.uk
联系电话: 01865 616622
  • 研究
  • 教学

M迈克尔·奥斯本一个处于能够进行复杂的大数据的意义的智能算法的开发专家。他在机器学习和非参数的数据分析工作在不同的和具有挑战性的环境中得到成功应用。例如,在astrostatistics,迈克尔的概率算法帮助过遥远的太阳系行星的探测,并在自主机器人,他的工作使自动驾驶汽车,以确定他们的地图可能是由于道路施工改变。

最近,他已经解决了关键的社会挑战,分析算法有多聪明可能很快取代人类工作人员,并预测对就业产生的影响。迈克尔是机器学习的副教授,埃克塞特学院的正式会员,并在申博平台男子学院定量金融学教员,都在申博平台。  

申博平台人类研究所的定量金融

研究兴趣

机器学习中,迈克尔在高斯过程特别的专业知识,主动学习,贝叶斯优化和贝叶斯正交,尤其侧重于新兴领域 概率NUMERICS。

他已申请机器学习科学和工程问题等不同的系外行星搜索,金融,晶体学,自主机器人,和鸽子导航的研究领域。我也很感兴趣,如何利用新的技术,特别是机器学习,正在改变工作性质。

目前的主题

Technology & Employment

机器智能将支持许多21世纪最深刻的发展;迈克尔都在开发这种算法并考虑自动化的广泛社会影响的作品。实现这一目标后,迈克尔和经济学家卡尔·弗雷已经研究新技术的社会和经济影响,人和机器的不同而变化的能力一起。

贝叶斯优化

贝叶斯优化是利用概率建模技术来执行的黑箱函数的全局优化。

概率NUMERICS

概率NUMERICS是数值方法的学习算法研究。

用于传感器网络活性推理

传感器网络是复杂的数据的不断增长的源,提供深入了解许多环境和人类的现象,但要求很高的信息处理的新形式。

故障,变点和异常宽容的推理

快速和可靠的故障和变点检测是许多真实世界的系统实现近零故障的表现是至关重要的。

能源

机器学习在许多的未来提供和储存能量的重要方面发挥中心作用。

哲学博士的机会

演讲

C24先进的概率论

这当然是真的不太深奥比它的名字可能会建议,提供相关的数据和科学的预测分析的许多应用概率工具接地审查。特别是,使用过程中会覆盖模型的比较,信息的价值,高斯过程。

B14推理

该课程涵盖最大似然估计和比较反对贝叶斯推理。课程结束通过引入决策理论和分类。

数据,估计和推断

本课程中讲授 旨在CDT。 它还将包括介绍概率理论,包括分布的各种性质和它们作为信念网络表示。它占地面积最大似然估计和比较反对贝叶斯推理,引入决策理论和分类之前。过程继续通过覆盖高斯过程。

以前的课程

C19学习机:推理

机器学习是一个快速发展的领域这个处于统计学和计算机科学的交叉点。它的增长可以部分归因于数据的浩大的数量(被称为“大数据”),这是现在经常被在科学和工业抓获。机器学习的目的是发现服用时,它们都易于计算和统计原则数据决定手段。本课程将简单介绍机器学习的核心理念:监督VS无监督学习;近邻法;泛化的挑战;和近似推断(在拉普拉斯方法和变分法的形式)。

B16的面向对象编程

这当然简要介绍,以面向对象的设计,具有介绍C ++一起。它包括:封装;构造函数;实现和接口;函数和操作,继承和组合;多态性;和模板。