Bernhard Schölkopf is een vooraanstaand onderzoeker op het gebied van machine learning, bekend om zijn fundamentele werk op het gebied van kernelmethoden en large-margin classifiers. Zijn onderzoek duikt in de theoretische aspecten en praktische implementaties van kunstmatige intelligentie, waarbij hij onderzoekt hoe machines efficiënt en betrouwbaar van data kunnen leren. Door zijn belangrijke publicaties en academisch leiderschap heeft hij de koers van hedendaagse AI diepgaand beïnvloed, waardoor geavanceerde concepten begrijpelijk worden voor een breed wetenschappelijk publiek.
This book honours the outstanding contributions of Vladimir Vapnik, a rare example of a scientist for whom the following statements hold true simultaneously: his work led to the inception of a new field of research, the theory of statistical learning and empirical inference; he has lived to see the field blossom; and he is still as active as ever