कोरिना कॉर्टेस एक डेनिश कंप्यूटर वैज्ञानिक हैं जो न्यूयॉर्क में गूगल रिसर्च की प्रमुख के रूप में कार्यरत हैं। वह मशीन-लर्निंग में अपने मौलिक कार्य के लिए सबसे अधिक जानी जाती हैं, विशेष रूप से सपोर्ट वेक्टर मशीन (एसवीएम) के सह-विकास के लिए, जो वर्गीकरण और प्रतिगमन कार्यों के लिए व्यापक रूप से उपयोग किया जाने वाला एक पर्यवेक्षित शिक्षण मॉडल है। उनका शोध डेटा माइनिंग, बड़े पैमाने पर शिक्षण, और शिक्षण एल्गोरिदम के सैद्धांतिक आधारों जैसे क्षेत्रों में फैला हुआ है।
कॉर्टेस का जन्म डेनमार्क में हुआ था और उन्होंने कंप्यूटर विज्ञान में अपना शैक्षणिक करियर बनाया। उन्होंने टोरंटो विश्वविद्यालय से पीएच.डी. प्राप्त की, जहाँ उन्होंने जेफ्री हिंटन के पर्यवेक्षण में अध्ययन किया, जो तंत्रिका नेटवर्क और गहन शिक्षण के अग्रणी हैं। उनका डॉक्टरेट शोध प्रबंध शिक्षण एल्गोरिदम और उनके अनुप्रयोगों पर केंद्रित था, जिसने क्षेत्र में उनके बाद के योगदानों की नींव रखी।
सपोर्ट वेक्टर मशीन
1990 के दशक की शुरुआत में, कॉर्टेस ने एटी एंड टी बेल लेबोरेटरीज (अब नोकिया बेल लैब्स) में व्लादिमीर वापनिक के साथ सहयोग करके सपोर्ट वेक्टर मशीन विकसित की। उनके 1995 के पेपर, "सपोर्ट-वेक्टर नेटवर्क्स" ने उच्च-आयामी स्थानों में वर्गों के बीच मार्जिन को अधिकतम करने की अवधारणा पेश की, एक विधि जो पैटर्न पहचान के लिए अत्यधिक प्रभावी साबित हुई। एसवीएम कृत्रिम बुद्धिमत्ता और मशीन-लर्निंग का एक आधारशिला बन गया, जिसने कर्नेल विधियों और बड़े-मार्जिन क्लासिफायर में बाद के विकास को प्रभावित किया। यह तकनीक पाठ वर्गीकरण से लेकर बायोइन्फॉर्मेटिक्स तक के अनुप्रयोगों में व्यापक रूप से उपयोग में बनी हुई है।
गूगल में करियर
कॉर्टेस 2003 में गूगल में शामिल हुईं, जहाँ उन्होंने अनुसंधान और इंजीनियरिंग में नेतृत्व की भूमिकाएँ निभाईं। गूगल रिसर्च एनवाई की प्रमुख के रूप में, वह बड़े पैमाने पर मशीन-लर्निंग, प्राकृतिक भाषा प्रसंस्करण, और एल्गोरिदमिक निष्पक्षता जैसे विषयों पर काम करने वाली वैज्ञानिकों की एक टीम की देखरेख करती हैं। गूगल में उनके काम में कंपनी की रैंकिंग प्रणालियों में योगदान और विशाल डेटासेट का विश्लेषण करने के लिए उपकरणों का विकास शामिल है। उनके नेतृत्व में, न्यूयॉर्क कार्यालय जनरेटिव-एआई और बड़े भाषा मॉडल जैसे क्षेत्रों में अनुसंधान का एक केंद्र बन गया है, जो गूगल डीपमाइंड और अन्य प्रभागों की टीमों के साथ सहयोग करता है।
शिक्षण सिद्धांत में योगदान
एसवीएम से परे, कॉर्टेस ने शिक्षण एल्गोरिदम की सैद्धांतिक समझ में महत्वपूर्ण योगदान दिया है। उन्होंने बूस्टिंग, एन्सेम्बल विधियों, और शिक्षण प्रणालियों की स्थिरता जैसे विषयों पर प्रभावशाली पेपर प्रकाशित किए हैं। सामान्यीकरण त्रुटि और परिकल्पना स्थानों की जटिलता के बीच संबंध पर उनके शोध ने मॉडल चयन और नियमितीकरण के आधुनिक दृष्टिकोणों को आकार देने में मदद की है। उन्होंने डेटा माइनिंग में व्यावहारिक मुद्दों का भी पता लगाया है, जिसमें असंतुलित डेटासेट और शोरगुल वाले लेबल को संभालने की चुनौतियाँ शामिल हैं।
पुरस्कार और मान्यता
कॉर्टेस को उनके काम के लिए कई प्रशंसाएँ मिली हैं। वह एसीएम की फेलो हैं और कई प्रमुख पत्रिकाओं के संपादकीय बोर्डों में सेवा कर चुकी हैं, जिनमें जर्नल ऑफ मशीन लर्निंग रिसर्च शामिल है। उनके योगदान को एटी एंड टी बेल लेबोरेटरीज डिस्टिंग्विश्ड मेंबर ऑफ टेक्निकल स्टाफ पुरस्कार जैसे पुरस्कारों से मान्यता दी गई है। उन्हें न्यूरिप्स और आईसीएमएल सहित प्रमुख सम्मेलनों में बोलने के लिए अक्सर आमंत्रित किया जाता है, जहाँ उन्होंने कार्यक्रम समितियों और क्षेत्रीय अध्यक्ष के रूप में सेवा की है।
प्रभाव और विरासत
कॉर्टेस के काम का प्रभाव शिक्षा से परे उद्योग अभ्यास तक फैला हुआ है। एसवीएम मशीन-लर्निंग टूलकिट में एक मानक उपकरण बन गया, और बड़े पैमाने पर शिक्षण में उनकी अंतर्दृष्टि ने दुनिया भर की कंपनियों द्वारा उपयोग की जाने वाली प्रणालियों के डिजाइन को सूचित किया है। गूगल में एक नेता के रूप में, उन्होंने शोधकर्ताओं की एक पीढ़ी को मार्गदर्शन दिया है और सैद्धांतिक अनुसंधान और व्यावहारिक तैनाती के बीच की खाई को पाटने में मदद की है। उनका चल रहा काम मजबूत, स्केलेबल, और निष्पक्ष एआई प्रणालियों के निर्माण की चुनौतियों का समाधान करना जारी रखता है।
कॉर्टेस अनुसंधान समुदाय में एक सक्रिय व्यक्ति बनी हुई हैं, जो कठोर मूल्यांकन विधियों और एआई प्रौद्योगिकियों के जिम्मेदार विकास की वकालत करती हैं। उनका करियर मौलिक सिद्धांत और अनुप्रयुक्त नवाचार के एकीकरण का उदाहरण है, जो उन्हें आधुनिक मशीन-लर्निंग के विकास में एक महत्वपूर्ण व्यक्ति बनाता है।