布赖恩·库利斯是一位计算机科学家，以对机器学习的贡献而闻名，专注于度量学习、聚类和可扩展优化算法。他是波士顿大学计算机科学系的副教授，同时也在谷歌担任研究科学家。他的工作连接了理论基础与实际应用，解决了高维数据分析和无监督学习中的挑战。
库利斯的研究影响了计算机视觉、自然语言处理和生物信息学等领域，在这些领域中，学习合适的距离函数至关重要。他在顶级会议和期刊上发表了大量论文，其关于度量学习的工作被广泛引用。他的贡献包括基础算法和可扩展到大型数据集的高效实现。
早年生活与教育
布赖恩·库利斯于2003年在康奈尔大学获得计算机科学学士学位。随后，他在德克萨斯大学奥斯汀分校攻读研究生，于2006年获得理学硕士学位，并于2010年获得计算机科学博士学位。他的博士导师是英德吉特·迪隆，一位在机器学习和数据挖掘领域的知名研究者。在攻读博士期间，库利斯专注于开发用于度量学习和聚类的高效算法，为后来的职业生涯奠定了基础。
学术生涯
完成博士学位后，库利斯加入加州大学伯克利分校的电气工程与计算机科学系，担任博士后研究员，与迈克尔·乔丹合作。随后，他于2011年加入俄亥俄州立大学，担任计算机科学与工程系的助理教授。2016年，他加入波士顿大学担任副教授，并领导一个机器学习研究小组。
在波士顿大学，库利斯教授机器学习和数据挖掘课程，并指导博士生和博士后研究员。他隶属于哈里里计算研究所和计算与数据科学学院。他的学术服务包括担任NeurIPS、ICML和CVPR等主要会议的程序委员会委员，并曾担任其中多个会议的领域主席。
研究贡献
度量学习
库利斯以其在度量学习方面的工作而闻名，该领域涉及从数据中学习距离函数，以提高k近邻和聚类等算法的性能。他的早期工作引入了学习马氏距离度量的高效算法，这些度量由正半定矩阵参数化。他开发了通过低秩近似和随机优化来扩展到大型数据集的方法。
他的一篇有影响力的论文《学习低秩核矩阵》与迪隆合著，提出了一个学习低秩核矩阵的框架，可视为度量学习的推广。这项工作提供了理论保证和实用算法，已被应用于各种场景。
聚类与可扩展算法
库利斯还在聚类方面做出了重要贡献，特别是在开发大规模数据的可扩展算法方面。他研究了谱聚类及其近似方法，包括使用Nyström方法来降低计算复杂度。他在在线和流式聚类方面的研究解决了顺序到达数据的处理挑战，这在实时应用中具有重要意义。
库利斯与同事合作开发了子空间聚类算法，旨在对位于低维子空间中的数据点进行分组。这在运动分割和人脸识别中有应用。他的工作通常强调理论保证，如收敛速率和近似界限，同时兼顾实际效率。
深度学习与应用
最近，库利斯探索了度量学习与深度学习之间的联系。他研究了如何训练神经网络以学习保留相似性关系的嵌入，这对人脸验证和图像检索等任务很有用。他的研究还涉及无监督和半监督学习，在这些场景中标记数据稀缺。
库利斯与计算机视觉和自然语言处理领域的研究者合作，将他的方法应用于物体识别和文档聚类等问题。他的工作得到了国家科学基金会和其他机构的资助。
精选出版物
库利斯撰写或合著了超过60篇同行评审论文。他一些被引用最多的作品包括：
- 《学习低秩核矩阵》（2006年，与英德吉特·迪隆合著）
- 《度量学习：综述》（2012年，对该领域的回顾）
- 《可扩展聚类：算法与应用》（2013年，与同事合著）
- 《深度度量学习：综述》（2019年，与合著者）
他的论文发表在《机器学习研究杂志》和《IEEE模式分析与机器智能汇刊》等期刊上，以及NeurIPS、ICML和CVPR的会议论文集中。
奖项与荣誉
库利斯因其研究和教学获得了多项奖项。他于2014年获得了国家科学基金会CAREER奖，该奖项支持早期职业教师。他还在会议上获得了最佳论文奖或提名，包括在不确定性人工智能会议上的一篇重要论文。2020年，他被任命为人工智能促进协会（AAAI）的高级会员。
行业经验
除了学术角色外，库利斯还在工业界工作。自2017年以来，他一直在谷歌担任研究科学家，从事与大规模系统相关的机器学习问题。这一角色使他能够将研究应用于实际产品并与工程师合作。他的行业工作包括聚类和相似性搜索项目，这些与搜索和推荐系统相关。
教学与指导
库利斯以其对教学和指导的奉献而闻名。他开发了强调理论与实践的研究生级机器学习课程。他指导了多名博士生，这些学生后来在学术界和工业界任职。他的指导风格鼓励学生应对具有挑战性的问题，并清晰传达他们的发现。
影响与遗产
布赖恩·库利斯的工作对机器学习领域产生了持久影响。他在度量学习方面的研究为许多后续发展奠定了基础，他的可扩展算法已被用于各种领域。他经常受邀在会议和研讨会上发表演讲，并常被咨询有关无监督学习和优化的意见。
截至2020年代中期，库利斯仍然是一位活跃的研究者，持续发表新工作并与各机构的同事合作。他的贡献帮助塑造了机器学习模型从数据中学习的方式，特别是在标记示例有限的情况下。
参见
参考文献
本文基于关于布赖恩·库利斯职业生涯和出版物的公开信息。关于他生活和工作的具体细节来自他的学术简介和研究论文。