Embedded Files
Yuko Miyauchi, Ph.D. (nome professionale: Yuko Kuroki) [CV]
Research Scientist
Intesa Sanpaolo AI Research (già CENTAI Institute), Torino, Italia.
Email: yuko.kuroki -at- centai.eu
Sono Research Scientist presso Intesa Sanpaolo AI Research (precedentemente noto come CENTAI), un centro di ricerca all'avanguardia con sede a Torino. In precedenza, ho ricoperto il ruolo di Research Associate presso il Department of Computer Science della University of Tokyo, in Giappone. Sono stata inoltre Visiting Scientist presso il RIKEN Center for Advanced Intelligence Project (AIP), all'interno del team Imperfect Information Learning.
La mia attività di ricerca si focalizza sulla teoria dell’ottimizzazione, il machine learning e il data mining, con un particolare interesse per i problemi legati ai grafi. Ho conseguito il Ph.D. nel marzo 2021 presso la University of Tokyo sotto la supervisione del Prof. Masashi Sugiyama, ricevendo il Dean’s Award for Outstanding Achievement dalla Graduate School of Information Science and Technology.
Mi occupo della progettazione e dell’analisi teorica di algoritmi robusti all’incertezza, con l’obiettivo di cogliere le strutture matematiche che stanno dietro ai fenomeni reali e di scoprire la struttura essenziale a partire da osservazioni limitate. In particolare, caratterizzo rigorosamente l’incertezza tramite misure statistiche come la complessità campionaria e il regret cumulativo, sviluppando e valutando algoritmi per diversi contesti. Attualmente, con base di ricerca in Italia, porto avanti anche studi che integrano teoria dell’apprendimento sequenziale e tecniche di graph mining. Sul versante applicativo, miro ad applicare queste basi matematiche a problemi concreti in scienze della vita e scienza dei materiali, per accelerare il processo di scoperta scientifica.
Notizie recenti
Ottobre 2025: Visiterò l’Istituto Italiano di Tecnologia (IIT), Genova, Italia!
Settembre 2025: Parteciperò a CIBB 2025 (Conference on Computational Intelligence Methods for Bioinformatics and Biostatistics) al Politecnico di Milano, Italia.
Ottobre 2025: Parteciperò al Symposium on Mathematical Foundations of Trustworthy Learning, presso il Monte Verità Congress Center, Svizzera.
Novembre 2025: Parteciperò a IBIS 2025 (The 28th Information-Based Induction Sciences Workshop), Okinawa, Giappone.
Novembre 2025: Co-organizzerò il Workshop on Online Learning and Optimization 2025 presso RIKEN AIP, Tokyo, Giappone.
Aprile 2025: Il nostro paper “Minimizing Polarization and Disagreement in the Friedkin–Johnsen Model with Unknown Innate Opinions” è stato accettato a IJCAI 2025!
Febbraio 2025: Sono stata promossa a Research Scientist!
Dicembre 2024: Presenterò il nostro paper “Query-Efficient Correlation Clustering with Noisy Oracle”, lavoro congiunto con Atsushi Miyauchi, Francesco Bonchi e Wei Chen, a NeurIPS 2024!
Ottobre–Novembre 2024: Ho avuto la fortuna di visitare il gruppo di ricerca del Prof. Nicolò Cesa-Bianchi all’Università di Milano!
Settembre 2024: Terrò un talk sul nostro paper AISTATS 2024 nella “Top Conference Session” di FIT 2024 in Giappone [slide].
Luglio 2024: Il nostro paper “Dynamic Structure Estimation from Bandit Feedback using Nonvanishing Exponential Sums” è stato accettato in Transactions on Machine Learning Research!
Febbraio 2024: Ho avuto la fortuna di visitare il gruppo di ricerca del Prof. Nicolò Cesa-Bianchi all’Università di Milano: un’esperienza davvero piacevole!
Febbraio 2024: Il nostro paper “A constant-ratio approximation algorithm for a class of hub-and-spoke network design problems and metric labeling problems: star metric case” (con Tomomi Matsui) è stato pubblicato su Discrete Applied Mathematics!
20 gennaio 2024: Il nostro paper “Best-of-Both-Worlds Algorithms for Linear Contextual Bandits” (con Alberto Rumi, Taira Tsuchiya, Fabio Vitale e Nicolò Cesa-Bianchi) è stato accettato a AISTATS 2024 (Oral)!
Interessi di Ricerca
Apprendimento online e apprendimento statistico: banditi multi-braccio, apprendimento con supervisione debole, teoria dell’apprendimento in ambienti online.
Ottimizzazione combinatoria: algoritmi di approssimazione.
Mining di grafi: scoperta di sottografi densi, problemi di clustering, ottimizzazione delle opinioni.
Formazione
Dottorato di ricerca (Ph.D.), Mar. 2021: Department of Computer Science, Graduate School of Information Science and Technology, The University of Tokyo (supervisor: Prof. Masashi Sugiyama).
Tesi: “A Study on Stochastic Combinatorial Bandit Problems with Limited Observation”
Laurea magistrale (Master of Engineering), mar. 2018: Tokyo Institute of Technology, School of Engineering, Department of Industrial Engineering and Economics (supervisor: Prof. Tomomi Matsui).
Laurea triennale (Bachelor of Engineering), mar. 2016: Tokyo Institute of Technology, Undergraduate School of Engineering, Department of Industrial Engineering and Economics (supervisor: Prof. Tomomi Matsui).
Esperienza Lavorativa
Research Associate, 01/04/2021 – 31/01/2023: The University of Tokyo, Department of Computer Science, Graduate School of Information Science and Technology (affiliazione anche al Department of Information Science, Faculty of Science).
Visiting Scientist, 01/05/2021 – 31/01/2023: RIKEN Center for Advanced Intelligence Project (AIP), Imperfect Information Learning Team (PI: Prof. Masashi Sugiyama).
JSPS Research Fellow (DC1), 01/04/2018 – 31/03/2021: The Japan Society for the Promotion of Science (JSPS), Tokyo, Giappone.
Collaboratrice part-time, 16/04/2019 – 31/03/2021: RIKEN Center for Advanced Intelligence Project (AIP), Imperfect Information Learning Team (PI: Prof. Masashi Sugiyama).
Finanziamenti e Progetti
Ott. 2024 – Mar. 2028: Japan Science and Technology Agency (JST), PRESTO Program “Research Innovation through Autonomous-Driven Research Systems” (supervisor di programma: Prof. Ichiro Takeuchi)
Titolo: “Dynamic Environment Analysis and Its Applications Using Sequential Learning Theory and Graph Mining Techniques”.
Apr. 2021 – Gen. 2023: MSRA Collaborative Research 2021, Microsoft Research Asia.
Titolo: “Towards Optimal Combinatorial Online Learning under Uncertainty”. Collaboratore: Prof. Wei Chen.
Nov. 2020 – Dic. 2021: JST Strategic Basic Research Programs ACT-X (supervisor di programma: Prof. Ken-ichi Kawarabayashi) [link].
Dic. 2019 – Dic. 2020: MSRA Collaborative Research Program (D-CORE 2020).
Titolo: “Machine Learning with Blurred Supervision: Theory and Algorithm from Offline to Online”. Collaboratore: Prof. Wei Chen (MSRA Theory).
Apr. 2018 – Mar. 2021: Grant-in-Aid for JSPS Research Fellow (DC1) [link].
Titolo: “Multi-objective optimization on networks and its applications to machine learning”.
Didattica
The University of Tokyo
- 2022 A1A2 (Laurea triennale, 3° anno): Teoria della complessità computazionale (Information Science Exercise II, Department of Information Science, Faculty of Science).
- 2022 S1S2 (Laurea triennale, 3° anno): Matematica discreta (Information Science Exercise I, Department of Information Science, Faculty of Science).
- 2021 A1A2 (Laurea triennale, 3° anno): Teoria della complessità computazionale (Information Science Exercise II, Department of Information Science, Faculty of Science).
- 2021 S1S2 (Laurea triennale, 3° anno): Matematica discreta (Information Science Exercise I, Department of Information Science, Faculty of Science).
Guest lecture
- 2022 S1S2 (Graduate School): Advanced Algorithms (docenti: Prof. Hiroshi Imai, Prof. Tetsuro Shibuya), 10ª lezione, Graduate School of Information Science and Technology.
- 2022 A1A2 (Laurea triennale, 3° anno): Teoria della complessità computazionale (docente: Prof. Hiroshi Imai), 7ª lezione, Graduate School of Information Science and Technology.
UTokyo Extension Data Science School
- 2022 (Professionisti): Optimization (in giapponese).
- 2021 (Professionisti): Introduction to Statistical Analysis (in giapponese).
Attività Scientifiche e Servizio alla Comunità
Comitati
Program Committee, MLSS 2027.
Program Committee, IBIS 2025.
Program Committee, MLSS 2024.
Special Committee, IBIS (Information-based Induction Sciences), 09/06/2022 – presente.
Program Committee, IBIS 2022.
Organizing Committee, NeurIPS Meetup Japan 2020.
Revisione (reviewing)
- Reviewer: ICML (dal 2021), NeurIPS (dal 2021), AISTATS (dal 2024), ICLR (2021, 2023), TMLR (dal 2022), KDD (dal 2024).
- Subreviewer: FOCS (2022).
Page updated
Google Sites
Report abuse