Tipps und Methoden für Statistik und Qualitätsverbesserung
Mikhail Golovnya
Mikhail Golovnya hat in den letzten 25 Jahren neue Algorithmen für maschinelles Lernen und automatisierte Modellierung entwickelt. Er war maßgeblich an der kontinuierlichen Suche von Salford Systems / Minitab nach technologischen Verbesserungen für die wichtigsten Algorithmen des maschinellen Lernens beteiligt: CART® Entscheidungsbäume, MARS® Nichtlineare Regression, TreeNet® Gradient Boosting und Random Forests®. Mikhail hat bereits auf zahlreichen Konferenzen und Seminaren Vorträge gehalten und die mathematischen Grundlagen und Anwendungen der wichtigsten klassischen und modernen Algorithmen für prädiktives Lernen unterrichtet. Er verfügt über drei Master-Abschlüsse – M.S. in Raketenwissenschaft von der Kharkov State Polytechnic University (Kharkov, Ukraine), M.S. in Statistical Computing von der University of Central Florida (Orlando, FL), M.A. in Wissenschaft und Religion von der Biola University (La Mirada, CA) – und ist derzeit in der Rolle des Senior Advisory Data Scientist tätig und leitet die nächste Generation der Minitab Produktentwicklung für maschinelles Lernen.
