إدوارد غوربونوف

شغل البروفيسور إدوارد قبل انضمامه إلى جامعة محمد بن زايد للذكاء الاصطناعي منصب زميل ما بعد الدكتوراه، ثم باحث علمي في قسم تعلم الآلة بنفس الجامعة. كما عمل مستشارًا بحثيًا في معهد كيبيك للذكاء الاصطناعي (Mila)، حيث تعاون مع مجموعة البروفيسور غوتييه جيديل. حصل البروفيسور غوربونوف على درجة الدكتوراه في علوم الحاسوب من معهد موسكو للفيزياء والتكنولوجيا، حيث عمل تحت إشراف البروفيسور ألكسندر غاسنيكوف والبروفيسور بيتر ريشتاريك في مجالات التحسين الموزع، وضغط التدرج ، وتقنيات التحديث المحلي. كما يحمل درجتي الماجستير والبكالوريوس في الرياضيات التطبيقية والفيزياء من نفس المعهد. شغل غوربونوف خلال مسيرته الأكاديمية مناصب بحثية في مؤسسات مرموقة مثل معهد موسكو للفيزياء والتكنولوجيا، وهواوي، وياندكس للأبحاث، والمدرسة العليا للاقتصاد. وقد ساهمت أبحاثه في تطوير مفاهيم أساسية في مجال التحسين العشوائي، وضغط التدرج، والتعلم في ظل الضوضاء شديدة الانحراف. نال العديد من الجوائز المرموقة، من بينها جائزة إيليا سيغالوفيتش من شركة ياندكس، بالإضافة إلى جوائز المراجع المتميز من مؤتمرات عالمية رفيعة المستوى مثل NeurIPS و ICML وICLR. وحصل أثناء دراسته على عدة منح دراسية تنافسية تقديرًا لتفوقه الأكاديمي.

• زميل باحث لما بعد الدكتوراه – جامعة محمد بن زايد للذكاء الاصطناعي
• دكتوراه في علوم الحاسوب – معهد موسكو للفيزياء والتكنولوجيا
• ماجستير في الرياضيات والفيزياء التطبيقية – معهد موسكو للفيزياء والتكنولوجيا
• بكالوريوس في الرياضيات والفيزياء التطبيقية – معهد موسكو للفيزياء والتكنولوجيا

• جائزة إيليا سيغالوفيتش للإنجازات العلمية – شركة ياندكس، أبريل 2019 من بين تسعة فائزين فقط من روسيا وبيلاروس وكازاخستان. تتضمّن الجائزة تمويلًا بحثيًّا، وعرض تدريب في مركز ياندكس للأبحاث، ودعمًا للسفر الدولي.
• جوائز المراجع المتميز: مؤتمر NeurIPS (أعوام 2020، 2021، 2022)، مؤتمر ICML (أعوام 2021، 2022)، مؤتمر ICLR (عام 2021)
• منحة أ. م. رايغورودسكي تقديرًا لمساهماته في أساليب التحسين العددي: سبتمبر 2021 – يناير 2022، وفبراير 2021 – يونيو 2021
• منحة هواوي للتميّز الأكاديمي – يناير 2020 والتي مُنحت لطلاب معهد موسكو للفيزياء والتكنولوجيا (MIPT) المتفوقين في برامج البكالوريوس والماجستير.
• المنحة الأكاديمية الحكومية المتقدمة للإنجازات العلمية – معهد موسكو للفيزياء والتكنولوجيا (MIPT)، وقد مُنحت له عدة مرات بين عامي 2017 و2020 خلال مرحلتي البكالوريوس والدراسات العليا.

تشمل أبرز بحوث البروفيسور غوربونوف

• التحسين العشوائي والتوزيعي
• التعلّم الموحد وتدريب النماذج المخصصة
• التحمّل ضد الأعطال غير المتوقعة (البيزنطية) والضوضاء الإحصائية شديدة الانحراف
• الخصوصية التفاضلية وخوارزميات التعلّم المحافظة على الخصوصية
• الأساليب التكيفية وتقنيات قص التدرّج
• المتباينات التغييرية والمقاربات القائمة على نظرية الألعاب في تعلّم الآلة

• دراسة بعنوان: CLR 2025: Methods with Local Steps and Random Reshuffling for Generally Smooth Non-Convex Federated Optimization، قام بإعدادها كل من Y. Demidovich, P. Ostroukhov, G. Malinovsky, S. Horváth, M. Takác, P. Richtárik, E. Gorbunov
• دراسة بعنوان:  ICLR 2025: Methods for Convex (L₀, L₁)-Smooth Optimization: Clipping, Acceleration, and Adaptivity ، قام بإعدادها كل من E. Gorbunov, N. Tupitsa, S. Choudhury, A. Aliev, P. Richtárik, S. Horváth, M. Takác
• دراسة بعنوان: NeurIPS 2024 (Spotlight): Exploring Jacobian Inexactness in Second-Order Methods for Variational Inequalities ، قام بإعدادها كل من . Agafonov, P. Ostroukhov, R. Mozhaev, K. Yakovlev, E. Gorbunov, M. Takác, A. Gasnikov, D. Kamzolov
• دراسة بعنوان: NeurIPS 2024: Remove that Square Root: A New Efficient Scale-Invariant Version of AdaGrad، قام بإعدادها كل من S. Choudhury, N. Tupitsa, N. Loizou, S. Horváth, M. Takác, E. Gorbunov.
• دراسة بعنوان: NeurIPS 2024: Byzantine Robustness and Partial Participation Can Be Achieved at Once: Just Clip Gradient Differences، قام بإعدادها كل من G. Malinovsky, P. Richtárik, S. Horváth, E. Gorbunov.
• دراسة بعنوان: EMNLP 2024 (Findings): Low-Resource Machine Translation through the Lens of Personalized Federated Learning، قام بإعدادها كل من V. Moskvoretskii, N. Tupitsa, C. Biemann, S. Horváth, E. Gorbunov, I. Nikishina.
• دراسة بعنوان: ICML 2024 (Oral): High-Probability Convergence for Composite and Distributed Stochastic Minimization and Variational Inequalities with Heavy-Tailed Noise، قام بإعدادها كل من E. Gorbunov, A. Sadiev, M. Danilova, S. Horváth, G. Gidel, P. Dvurechensky, A. Gasnikov, P. Richtárik