Maria-Florina Balcan

Maria-Florina Balcan (* 20. Jahrhundert in Rumänien) ist eine rumänisch-amerikanische Informatikerin und Hochschullehrerin. Sie ist Cadence Design Systems Professor für Informatik an der Fakultät für Informatik der Carnegie Mellon University. Ihre Forschung befasst sich mit grundlegenden Fragestellungen des maschinellen Lernens, der algorithmischen Spieltheorie und der Algorithmenforschung.

Leben und Werk

Balcan studierte ab 1996 an der Universität Bukarest, wo sie an der Fakultät für Mathematik 2000 ihren Bachelor of Science und 2002 ihren Master of Science erwarb. 2008 promovierte sie bei Avrim Louis Blum in Informatik an der Carnegie Mellon University mit der Dissertation: New Theoretical Frameworks for Machine Learning.

Anschließend forschte sie bis 2009 als Postdoktorandin bei Microsoft Research in Cambridge und war dann bis 2014 Assistent Professor am College of Computing der Georgia Tech in Atlanta. Von 2014 bis 2020 war sie Associate Professor an der School of Computer Science der Carnegie Mellon University in Pittsburgh, wo sie 2020 Cadence Design Systems Professor für Informatik wurde.

Forschung

Ihre Forschungsschwerpunkte liegen in den Bereichen Maschinelles Lernen, Künstliche Intelligenz, Theoretische Informatik, Algorithmische Spieltheorie und neuartige Verbindungen zwischen Lerntheorie und anderen wissenschaftlichen Disziplinen einschließlich Optimierung und Operations Research. Sie entwickelte das erste theoretische Rahmenwerk, das die Intuition hinter verschiedenen Lernmethoden zur Nutzung ungelabelte Daten und Daten mit relevanten Labels erfassen und eine formale Analyse sowohl qualitativer als auch quantitativer Art liefern konnte. Sie erzielte Ergebnisse für aktives Lernen, bei dem der Lernalgorithmus intelligent auswählt, welche Datenpunkte zum Labeln weitergeleitet werden. Insbesondere zeigte sie, wie aktives Lernen passives Lernen asymptotisch stets verbessert und entwickelte den ersten allgemeinen Algorithmus für aktives Lernen, der realistisches Rauschen und Modellunvollkommenheiten tolerieren kann. Sie leistete grundlegende Beiträge zur Analyse von Algorithmen jenseits des Worst-Case-Szenarios, indem sie sowohl neue Modelle realistischer (nicht Worst-Case-)Instanzen als auch allgemeine Techniken für den datengetriebenen Entwurf und die Analyse von Algorithmen entwickelte.

Am 5. Juli 2026 betrug ihr h-Index bei Google Scholar 57.

Auszeichnungen und Ehrungen (Auswahl)

Einzelnachweise

  1. ↑ http://www.cs.cmu.edu/~ninamf/cv_nina.pdf
  2. ↑ Maria-Florina Balcan - The Mathematics Genealogy Project. Abgerufen am 5. Juli 2026 (englisch).
  3. ↑ http://www.cs.cmu.edu/~ninamf/cv_nina.pdf
  4. ↑ Dr. Maria-Florina Balcan. Abgerufen am 5. Juli 2026 (englisch).
  5. ↑ Maria-Florina Balcan, Avrim Blum, Nathan Srebro: A theory of learning with similarity functions. In: Machine Learning. Band 72, Nr. 1, 1. August 2008, ISSN 1573-0565, S. 89–112, doi:10.1007/s10994-008-5059-5 (englisch).
  6. ↑ Simons Investigators. In: Simons Foundation. 10. Juli 2018, abgerufen am 5. Juli 2026 (amerikanisches Englisch).
  7. ↑ Maria Balcan named 2019 ACM Grace Murray Hopper Award recipient. Abgerufen am 5. Juli 2026 (englisch).
  8. ↑ Dr. Maria-Florina Balcan. Abgerufen am 5. Juli 2026 (englisch).
  9. ↑ Simons Investigators. In: Simons Foundation. 10. Juli 2018, abgerufen am 5. Juli 2026 (amerikanisches Englisch).