For more information, please see my personal webpage.

Dr. Frans A. Oliehoek is Associate Professor at Delft University of Technology, where he is a leader of the sequential decision making group, a scientific director of the Mercury machine learning lab, and director and co-founder of the ELLIS Unit Delft. He received his Ph.D. in Computer Science (2010) from the University of Amsterdam (UvA), and held  positions at various universities including MIT, Maastricht University and the University of Liverpool.  Frans' research interests revolve around intelligent systems that learn about their environment via interaction, building on techniques from machine learning, AI and game theory. He has served as PC/SPC/AC at top-tier venues in AI and machine learning, and currently serves as associate editor for JAIR and AIJ. He is a Senior Member of AAAI, Fellow of ELLIS, and was awarded a number of personal research grants, including a prestigious ERC Starting Grant.

Voor meer informatie, zie  mijn persoonlijke webpage.

Dr. Frans A. Oliehoek is universitair hoofddocent aan de Technische Universiteit Delft, waar hij leider is van de sequential decision making group, wetenschappelijk directeur van het Mercury machine learning lab en directeur en medeoprichter van de ELLIS Unit Delft. Hij behaalde zijn Ph.D. in Computer Science (2010) aan de Universiteit van Amsterdam (UvA) en bekleedde functies bij verschillende universiteiten, waaronder MIT, Maastricht University en de University of Liverpool. Frans' onderzoeksinteresses draaien om intelligente systemen die via interactie leren over hun omgeving, voortbouwend op technieken uit machine learning, AI en speltheorie. Hij heeft gediend als PC/SPC/AC bij toplocaties in AI en machine learning en is momenteel werkzaam als associate editor voor JAIR en AIJ. Hij is Senior Member van AAAI, Fellow van ELLIS en ontving een aantal persoonlijke onderzoeksbeurzen, waaronder een prestigieuze ERC Starting Grant.

Mijn belangrijkste onderzoeksinteresses liggen in wat ik 'interactive learning and decision making' noem: het snijvlak van AI, machine learning en speltheorie dat zich richt op een intelligente agent die interageert met een complexe wereld. Mijn visie op de lange termijn is de constructie van een collaboratieve AI-wetenschapper. Op de korte termijn probeer ik fundamentele kennis te genereren over algoritmen en modellen voor het leren van complexe taken. Ik geloof specifiek dat agenten modellen nodig hebben om intelligente besluitvorming te ondersteunen. Het leren van dergelijke modellen is moeilijk en aangezien onze wereld voortdurend verandert, kunnen we er niet van uitgaan dat agenten ooit perfecte modellen zullen leren. In plaats daarvan moeten we ze de mogelijkheid geven om deze modellen online te leren, d.w.z. terwijl ze interacteren met hun omgeving: ze moeten imperfecte modellen kunnen gebruiken, kunnen redeneren over de onzekerheid in hun voorspellingen en actief leren om deze modellen te verbeteren. Daarnaast denk ik na over hoe dergelijke abstracte modellen kunnen worden toegepast op verschillende taken in de echte wereld, zoals samenwerking in systemen met meerdere robots of menselijke AI, optimalisatie van verkeerscontrolesystemen, intelligente e-commerceagenten, etc.