Mauro Maggioni est un mathématicien italien puis américain, spécialisé dans les techniques mathématiques pour l'analyse, la modélisation et l'extraction d'information à partir de grands ensembles de données qui conduisent à améliorer les algorithmes d'apprentissage machine.
Formation et carrière
Mauro Maggioni étudie à l'Università degli Studi di Milano où il obtient son bachelor of science puis son master en mathématiques.
Il obtient son doctorat à l'Université de Washington à St. Louis en 2002 avec une thèse intitulée « On the Discretization of Continuous Wavelet Transforms and Frames » sous la direction de Guido Leopold Weiss et Edward Nathan Wilson[1].
Il travaille à l'université Yale en tant que Gibbs Assistant Professor, puis à l'université Duke en 2006 et à l'université Johns-Hopkins où il occupe une chaire Bloomberg[2].
Mauro Maggioni et Mahadevan, Sridhar « Fast Direct Policy Evaluation using Multiscale Analysis of Markov Diffusion Processes » () (lire en ligne) —The 23rd International Conference on Machine Learning
↑Ronald Coifman et Mauro Maggioni, « Diffusion Wavelets », Applied and Computational Harmonic Analysis, vol. 24, no 3, , p. 329–353 (lire en ligne [archive du ])
↑Sridhar Mahadevan et Maggioni, Mauro, « Value Function Approximation using Diffusion Wavelets and Laplacian Eigenfunctions », Advances in Neural Information Processing Systems, (lire en ligne)
