Kocsis Levente Ph.D. fokozatát a Maatstrichti Egyetemen szerezte 2003-ban. 2011 óta Benczúr András csoportjának tagja, mint a gépi tanulással kapcsolatos kutatások vezetője. 2006-ban Szepesvári Csabával közösen publikálták az UCT (Upper Confidence bounds applied to Trees) algoritmust, amely előrelépést jelentett a Markovi döntési folyamatok Monte Carlo tervezési feladatában, többek között a számítógépes Go algoritmusok robbanásszerű fejlődéséhez is hozzájárulva.

Kiemelt publiációk

  • András A. Benczúr, Levente Kocsis, Róbert Pálovics. Overview of Online Machine Learning in Big Data Streams. In: Sakr S., Zomaya A.Y. (eds) Encyclopedia of Big Data Technologies. Springer, Cham 2019
  • Location-aware online learning for top-k recommendation. R Pálovics, P Szalai, J Pap, E Frigó, L Kocsis, AA Benczúr. Pervasive and Mobile Computing, 2015.
  • I Hegedűs, Á Berta, L Kocsis, AA Benczúr, M Jelasity. Robust Decentralized Low-Rank Matrix Decomposition. ACM Transactions on Intelligent Systems and Technology (TIST) 7 (4), 62, 2015. Based on the Best paper. In Peer-to-Peer Computing (P2P), 14-th IEEE International Conference on (pp. 1-9). IEEE.
  • Gelly, S., Kocsis, L., Schoenauer, M., Sebag, M., Silver, D., Szepesvári, C., & Teytaud, O. (2012). The grand challenge of computer Go: Monte Carlo tree search and extensions. Communications of the ACM, 55(3), 106-113.