【ICML 2019 Tutorials】算法配置：算法设计空间中的学习（Algorithm configuration: learning in the space of algorithm designs），德国弗莱堡大学（University of Freiburg）教授| Frank Hutter，不列颠哥伦比亚大学 (University of British Columbia)| Kevin Leyton Brown

主题： Algorithm configuration: learning in the space of algorithm designs

摘要： 本教程调查了机器学习的一个新的前沿领域，假设空间中的每个点对应一个算法，例如组合优化问题求解器。这项工作的大部分属于所谓的算法配置；它还借鉴了bandits、贝叶斯优化、强化学习等方法。本教程将首先解释这个领域，描述一些最近的成功案例，并对整个机器学习社区和其他领域的相关工作进行全面的概述。然后，重点研究了基于贝叶斯优化和bandits扩展的算法配置问题及其求解方法。我们还将调查基于随机局部搜索、算法组合等的各种其他方法。自始至终，我们将强调全局观念、激励性案例研究和核心方法创新。我们将通过调查重要的开放性问题和来自更广泛社区的令人兴奋的初步结果来总结，这些结果提供了潜在的前进道路。

邀请嘉宾： Frank Hutter 是德国弗莱堡大学（University of Freiburg）计算机科学系机器学习的正式教授，自2013年起担任该校教员。在此之前，他在不列颠哥伦比亚大学（UBC）读了8年的博士和博士后。弗兰克的主要研究兴趣在于机器学习、人工智能和自动算法设计。在2009年的算法配置博士论文中，他获得了CAIAC博士论文奖，获得了当年加拿大人工智能领域的最佳论文奖，并与他的合著者一起，在自动化机器学习、SAT求解和人工智能规划的国际竞赛中获得了几项最佳论文奖和奖项。自2016年起，他获得了ERC启动奖助金，用于一个基于贝叶斯优化、贝叶斯神经网络和深度强化学习的自动化深度学习项目。

Kevin Leyton Brown是不列颠哥伦比亚大学 (University of British Columbia)的计算机科学教授，也是Amii的加拿大CIFAR AI主席。他拥有斯坦福大学（2003年；2001年）的博士和硕士学位，以及麦克马斯特大学（1998年）的学士学位。他将机器学习应用于启发式算法的设计以及电子市场的设计和运作。他合著了两本书和100多篇同行评议的技术文章。2017年当选为人工智能进步协会（AAAI）会员，2018年当选为ACM杰出会员。与其他18人组成的团队一起，他被授予INFORMS Franz Edelman运营研究和管理科学成就奖，被称为“领先的O.R.和分析奖”。他是UBC 2015年Charles a.McDowell研究卓越奖的获得者，一项2014年的NSERC E.W.R.Steacie纪念奖学金（自1965年成立以来，该奖学金仅授予一名计算机科学家10次）和一项2013年加拿大计算机科学协会颁发的杰出青年计算机科学研究员奖。他是ACM SIGecom的主席，曾担任顶级人工智能期刊AIJ和JAIR的副主编。他与超过75万名学生共同教授两门Coursera课程，并因在UBC的教学获得多项奖项。