Descripción
Autor: Lingfei Wu
Editorial: Springer
Publicado: 01/05/2023
Páginas: 689
Tipo de encuadernación: Tapa blanda
Peso: 2.21lbs
Tamaño: 9.21h x 6.14w x 1.45d
ISBN13: 9789811660566
ISBN10: 9811660565
Categorías BISAC:
- Informática | Teoría de la Información
- Informática | Ciencia de Datos | Análisis de Datos
- Informática | Ciencias de la Computación
Sobre el Autor
El Dr. Lingfei Wu es Científico Principal en el Centro de Investigación de Silicon Valley de JD.COM, dirigiendo un equipo de más de 30 científicos de aprendizaje automático/procesamiento del lenguaje natural e ingenieros de software para construir un sistema inteligente de personalización de comercio electrónico. Obtuvo su doctorado en ciencias de la computación de la Facultad de William and Mary en 2016. Anteriormente, fue miembro del personal de investigación en IBM Thomas J. Watson Research Center y lideró un equipo de más de 10 científicos de investigación para desarrollar nuevos métodos y sistemas de Redes Neuronales Gráficas, lo que llevó al proyecto #1 AI Challenge en IBM Research y a múltiples premios IBM, incluido un Premio al Logro Técnico Sobresaliente en tres ocasiones. Ha publicado más de 90 artículos en conferencias y revistas de primer nivel, y es co-inventor de más de 40 patentes estadounidenses presentadas. Debido al alto valor comercial de sus patentes, ha recibido ocho premios por logros de invención y ha sido nombrado IBM Master Inventors, clase de 2020. Fue el receptor del Premio al Mejor Artículo y al Mejor Artículo Estudiantil de varias conferencias como IEEE ICC'19, el taller AAAI sobre DLGMA'20 y el taller KDD sobre DLG'19. Su investigación ha sido destacada en numerosos medios de comunicación, incluyendo NatureNews, YahooNews, Venturebeat, TechTalks, SyncedReview, Leiphone, QbitAI, MIT News, IBM Research News y SIAM News. Ha coorganizado más de 10 conferencias (KDD, AAAI, IEEE BigData) y es el cofundador de los Talleres de Aprendizaje Profundo en Gráficos (con AAAI'21, AAAI'20, KDD'21, KDD'20, KDD'19 e IEEE BigData'19). Actualmente se desempeña como Editor Asociado de IEEE Transactions on Neural Networks and Learning Systems, ACM Transactions on Knowledge Discovery from Data e International Journal of Intelligent Systems, y regularmente se desempeñó como miembro de SPC/PC de las siguientes conferencias importantes de AI/ML/NLP, incluidas KDD, IJCAI, AAAI, NIPS, ICML, ICLR y ACL.
El Dr. Peng Cui es Profesor Asociado titular en el Departamento de Ciencias de la Computación de la Universidad de Tsinghua. Obtuvo su doctorado en la Universidad de Tsinghua en 2010. Sus intereses de investigación incluyen la minería de datos, el aprendizaje automático y el análisis multimedia, con experiencia en el aprendizaje de representación de redes, la inferencia causal y el aprendizaje estable, el modelado de dinámicas sociales y el modelado del comportamiento del usuario, etc. Está interesado en promover la convergencia e integración de la inferencia causal y el aprendizaje automático, abordando los problemas fundamentales de la tecnología de IA actual, incluidos los problemas de explicabilidad, estabilidad y equidad. Es reconocido como Científico Distinguido de ACM, Miembro Distinguido de CCF y Miembro Senior de IEEE. Ha publicado más de 100 artículos en conferencias y revistas prestigiosas en aprendizaje automático y minería de datos. Es uno de los autores más citados en el campo del embedding de redes. Varios de sus algoritmos propuestos sobre embedding de redes generan un impacto sustancial en la academia y la industria. Su investigación reciente ganó el Premio al Mejor Artículo de Departamento Multimedia de IEEE, el Premio al Mejor Artículo Estudiantil de IEEE ICDM 2015, el Premio al Mejor Artículo de IEEE ICME 2014, el Gran Desafío Multimodal de ACM MM12, el Premio al Mejor Artículo de MMM13, y fueron seleccionados para las ediciones especiales Best of KDD en 2014 y 2016, respectivamente. Fue copresidente de PC de CIKM2019 y MMM2020, SPC o presidente de área de ICML, KDD, WWW, IJCAI, AAAI, etc., y Editor Asociado de IEEE TKDE (2017-), IEEE TBD (2019-), ACM TIST (2018-) y ACM TOMM (2016-), etc. Recibió el Premio ACM China Rising Star en 2015 y el Premio Joven Científico CCF-IEEE CS en 2018.
El Dr. Jian Pei es profesor en la Escuela de Ciencias de la Computación de la Universidad Simon Fraser. Es un reconocido investigador líder en las áreas generales de la ciencia de datos, big data, minería de datos y sistemas de bases de datos. Su experiencia se centra en el desarrollo de técnicas de análisis de datos efectivas y eficientes para aplicaciones novedosas intensivas en datos, y en la transferencia de sus resultados de investigación a productos y prácticas comerciales. Es reconocido como Fellow de la Royal Society of Canada (academia nacional de Canadá), la Canadian Academy of Engineering, la Association for Computing Machinery (ACM) y el Institute of Electrical and Electronics Engineers (IEEE). Es uno de los autores más citados en minería de datos, sistemas de bases de datos y recuperación de información. Desde el año 2000, ha publicado un libro de texto, dos monografías y más de 300 artículos de investigación en revistas y conferencias revisadas por pares, que han sido ampliamente citados por otros. Su investigación ha generado un impacto notable que va mucho más allá de la academia. Por ejemplo, sus algoritmos han sido adoptados por la industria en producción y populares suites de software de código abierto. Jian Pei también demostró un liderazgo profesional sobresaliente en muchas organizaciones y actividades académicas. Fue editor en jefe de las IEEE Transactions of Knowledge and Data Engineering (TKDE) en 2013-16, presidente del Grupo de Interés Especial en Descubrimiento de Conocimiento en Datos (SIGKDD) de la Association for Computing Machinery (ACM) en 2017-2021, y copresidente general o copresidente de comité de programa de muchas conferencias de primer nivel. Mantiene un amplio espectro de relaciones industriales con socios industriales tanto globales como locales. Es un consultor y coach activo para la industria en estrategias de datos empresariales, informática de la salud, inteligencia de seguridad de redes, finanzas computacionales y comercio minorista inteligente. Recibió muchos premios prestigiosos, incluido el Premio a la Innovación ACM SIGKDD 2017, el Premio al Servicio ACM SIGKDD 2015, el Premio a las Contribuciones de Investigación IEEE ICDM 2014, el Premio al Joven Innovador del Consejo de Innovación de Columbia Británica 2005, un Premio NSERC 2008 Discovery Accelerator Supplements (100 premios en todo el país), un Premio de la Facultad de IBM (2006), un Premio al Mejor Artículo de Aplicación de KDD (2008), un Premio al Artículo Influyente de ICDE (2018), un Premio al Mejor Artículo de PAKDD (2014), un Premio al Artículo Más Influyente de PAKDD (2009) y un Premio al Artículo Sobresaliente de IEEE (2007).
El Dr. Liang Zhao es profesor asistente en el Departamento de Ciencias de la Computación de la Universidad de Emory. Antes de eso, fue profesor asistente en el Departamento de Ciencia y Tecnología de la Información y el Departamento de Ciencias de la Computación de la Universidad George Mason. Obtuvo su doctorado en 2016 del Departamento de Ciencias de la Computación en Virginia Tech en los Estados Unidos. Sus intereses de investigación incluyen la minería de datos, la inteligencia artificial y el aprendizaje automático, con especial interés en la minería de datos espacio-temporales y de redes, el aprendizaje profundo en gráficos, la optimización no convexa, el paralelismo de modelos, la predicción de eventos y el aprendizaje automático interpretable. Recibió el Premio de Investigación de Aprendizaje Automático de AWS en 2020 de la empresa Amazon por su investigación sobre redes neuronales gráficas distribuidas. Ganó el Premio NSF Career en 2020 otorgado por la National Science Foundation por su investigación sobre aprendizaje profundo para redes espaciales, y el Premio Jeffress Trust en 2019 por su investigación sobre modelos generativos profundos para biomoléculas, otorgado por la Jeffress Memorial Trust Foundation y Bank of America. Ganó el Premio al Mejor Artículo en la 19ª Conferencia Internacional IEEE sobre Minería de Datos (ICDM 2019) por el artículo de su laboratorio sobre transformación profunda de gráficos. También ganó la Lista Corta de Premios al Mejor Artículo en la 27ª Conferencia Web (WWW 2021) por modelos generativos profundos. Fue seleccionado como "Las 20 Estrellas Nacientes en Minería de Datos" por Microsoft Search en 2016 por su investigación sobre minería de datos espacio-temporales. También ganó el Premio al Estudiante de Doctorado Sobresaliente en el Departamento de Ciencias de la Computación de Virginia Tech en 2017. Fue galardonado como Mentor de CI-Fellow 2021 por el Computing Community Consortium por su investigación sobre aprendizaje profundo para datos espaciales. Ha publicado numerosos trabajos de investigación en conferencias y revistas de primer nivel como KDD, TKDE, ICDM, ICLR, Proceedings of the IEEE, ACM Computing Surveys, TKDD, IJCAI, AAAI y WWW. Ha sido organizador, como presidente de publicaciones, presidente de pósters y presidente de sesiones, para muchas conferencias de primer nivel como SIGSPATIAL, KDD, ICDM y CIKM.