Etor Arzak azaroaren 30ean, osteguna, defendatuko du bere tesia

• Defentsa Donostiako Ingeniaritza Informatikoko Fakultatean egingo da.

Etor Arza Machine Learning arloko doktorego ikaslea da Bilboko (Espainia) Matematika Aplikatuen Euskal Zentroan (BCAM). Matematikan lizentziatu zen Euskal Herriko Unibertsitatean (UPV/EHU). Bere ikerketa interesen artean daude, besteak beste, optimizazioa, estatistika eta ebaluazio alderatzailea.

Tesiaren izenburua “Understanding Non-Convex Optimization Problems and Stochastic Optimization Algorithms” da eta Aritz Pérezek (BCAM) eta Ekhiñe Irurozkik (Telecom Paris) gainbegiratuko dute.

Defentsa azaroaren 30ean izango da, osteguna, 11:00etan, Donostiako EHUko Informatika Ingeniaritzako Fakultatean. Defentsa Internet bidez jarraitu ahalko da Zoom plataforman.

BCAMeko taldeak zorterik onena opa dio Etorri bere tesiaren defentsarako.

Laburpena 

Tesi honek optimizazio heuristikoko algoritmo iteratibo estokastikoen aurrerapenean jartzen du arreta, algoritmoak zenbait dimentsiotan alderatu eta hobetzeko helburuarekin. Alderaketa ekitatiboaren erronkak jorratuz, ikerketak metodologia berriak txertatzen ditu hardware desberdinean alderaketa ekitatiboa bermatzeko. Horrez gain, neurketa estatistiko tradizionalen mugak aztertzen ditu eta dominantzia estokastikoaren bisualizazioa txertatzen du. Permutazio problemak aztertuz, zehazki, esleipen koadratikoaren problema, tesiak agerian uzten ditu distantziek optimizazio algoritmoetan duten eraginari buruzko ezaguerak. Halaber, eremu anitzeko problemen analisirako metodo berritzaile bat proposatzen da, hiperheuristikaren bidez, eta geldialdi goiztiarreko irizpide orokorra sartzen da (GESP) ebaluazio denbora luzeak jorratzeko. Emaitzek optimizazio algoritmoak hobetzen lagunduko dute, hainbat problema eremutarako ikuspuntu baliotsuak eskainiz.