加拿大西蒙弗雷泽大学裴健教授当选ACM SIGKDD新一届主席

简介:

雷锋网 AI 科技评论消息,加拿大西蒙弗雷泽大学计算机学院教授裴健当选ACM SIGKDD新一届主席。

加拿大西蒙弗雷泽大学裴健教授当选ACM SIGKDD新一届主席

裴健教授经选举成为 ACM SIGKDD(数据挖掘及知识发现专委会)主席,任期为2017年7月1日至2019年6月30日。此前裴健教授还由于对数据挖掘方面的重大技术贡献和对社会及数据挖掘社区的杰出服务获得2015年度的 SIGKDD 杰出贡献奖(SIGKDD SERVICE AWARD)。

KDD(Knowledge Discovery and Data Mining,知识发现与数据挖掘)一词首次出现在1989年8月举行的第11届国际联合人工智能学术会议(IJCAI)上,由Piatetsky- sharpiro正式提出。1998年,ACM成立了KDD特殊兴趣组SIGKDD,于1999年第五届开始组织KDD学术会议。

由于KDD的交叉学科性和广泛应用性,其影响力越来越大,吸引了来自统计、机器学习、数据库、万维网、生物信息学、多媒体、自然语言处理、人机交互、社会网络计算、高性能计算及大数据挖掘等众多领域的专家、学者。自1995年以来,KDD已经以大会的形式连续举办了22届,论文的投稿量和参会人数呈现出逐年增加的趋势。目前KDD大会是数据挖掘研究领域的顶级会议。

裴健(Jian Pei)是加拿大西蒙弗雷泽大学计算机学院教授、IEEE Fellow、加拿大首席研究教授(Canada Research Chair, Tier I),他的研究兴趣集中在研究和开发针对新颖的数据密集型应用的高效数据分析技术。他的研究领域包括数据挖掘、web搜索、信息检索、数据仓库、联机分析处理、数据库系统及其在社会网络和社会媒体、医学信息学、商业智能等领域中的应用。2000年以来,他出版了一本教科书和两本学术专著,发表了200多篇论文,也多次担任国际会议的程序委员会委员和组织委员会委员。他也是IEEE Transactions on Knowledge and Data Engineering (TKDE)的主编,ACM Transactions on Knowledge Discovery from Data (TKDD)、 Data Mining and Knowledge Discovery、Statistical Analysis and Data Mining、Intelligent Data Analysis和 Journal of Computer Science and Technology的副主编。

裴健教授此次竞选 SIGKDD 主席竞选宣言摘录如下:

“我很荣幸能够参选SIGKDD主席职位。过去我在KDD社区中屡获殊荣,我将为SIGKDD继续贡献我在研究、服务以及连接学术界和工业界的经验。无论是做为SIGKDD执委会的一员、KDD 2012大会的联席程序主席、之前多个KDD会议的专项主席以及TKDD的副主编,我深入参与SIGKDD的各项事务。我横跨学术界以及工业界的经验,使我对KDD社区的多元文化性、教育和专业性有更深入的了解。

如果当选SIGKDD主席一职,我在任期内将优先推进下列事项:

SIGKDD是数据科学领域首屈一指的专业社区。无论是学术界还是产业界都是这个社区不可分割的重要部分,SIGKDD必须继续不偏不倚地、创新性地服务于学术界于产业界;

数据科学是定义SIGKDD的关键字和招牌。SIGKDD必须继续服务于相关社区协作活动,如机器学习,人工智能,统计,数据库,认知科学等等。

SIGKDD必须继续致力于促进多样化,包括:提高女性在组织中的地位、在不同地区和不同应用领域发展会员。更重要的是,SIGKDD必须主动培育下一代人才的成长。”

雷锋网(公众号:雷锋网) AI 科技评论还了解到,此次竞选 SIGKDD 主席的另一位竞选人是 IBM Watson Health 的 Balaji R. Krishnapuram。

加拿大西蒙弗雷泽大学裴健教授当选ACM SIGKDD新一届主席

去年的KDD 2016是在旧金山举行的。KDD 2017则将于8月13日至17日在加拿大 Nova Scotia 省 Halifax 举行。到时雷锋网 AI 科技评论会派记者团前往现场报道。

另外感谢 KDD China 秘书长郑宇对本文的审阅指正。

本文作者:杨晓凡

本文转自雷锋网禁止二次转载,原文链接

相关文章
|
缓存 关系型数据库 MySQL
MySQL慢查询优化策略
MySQL慢查询优化是一个复杂的过程,需要根据具体的应用场景和数据特点进行。以上策略是提升数据库查询性能的有效途径,但最关键的是对系统进行持续的监控和分析,及时发现并解决性能瓶颈。通过实践这些策略,你可以显著提高MySQL数据库的性能,为用户提供更快的响应时间和更好的体验。
426 10
|
SQL 存储 分布式计算
Hive数据仓库设计与优化策略:面试经验与必备知识点解析
本文深入探讨了Hive数据仓库设计原则(分区、分桶、存储格式选择)与优化策略(SQL优化、内置优化器、统计信息、配置参数调整),并分享了面试经验及常见问题,如Hive与RDBMS的区别、实际项目应用和与其他组件的集成。通过代码样例,帮助读者掌握Hive核心技术,为面试做好充分准备。
1337 0
|
消息中间件 存储 Kafka
Flink---11、状态管理(按键分区状态(值状态、列表状态、Map状态、归约状态、聚合状态)算子状态(列表状态、广播状态))
Flink---11、状态管理(按键分区状态(值状态、列表状态、Map状态、归约状态、聚合状态)算子状态(列表状态、广播状态))
|
机器学习/深度学习 编解码 搜索推荐
实测13个类Sora视频生成模型,8000多个案例,一次看个够
SORA-like模型是一类基于OpenAI的SORA模型发展而来的视频生成技术,以其在生成高质量视频上的卓越表现受到关注。该模型不仅提升了视频的分辨率、自然度和视觉语言对齐,还增强了对长视频序列的可控性。适用于内容创作、世界模拟等多种场景,展现出广泛的应用潜力。然而,模型在自动化评估、与人类偏好匹配及处理复杂运动上仍面临挑战。未来研究将聚焦于多模态、连续、交互式及个性化视频生成等领域。
878 2
|
人工智能 编解码 API
【选择”丹摩“深入探索智谱AI的CogVideoX:视频生成的新前沿】
【选择”丹摩“深入探索智谱AI的CogVideoX:视频生成的新前沿】
289 1
|
机器学习/深度学习 人工智能 程序员
利用 AI 进行代码审查:提升软件质量的新途径
【10月更文挑战第18天】本文探讨了利用 AI 进行代码审查的优势和方法,包括提高审查效率、减少人为错误、确保一致性和标准化以及提供实时反馈。介绍了 SonarQube、DeepCode 和 GitHub Copilot 等工具,并分享了实施 AI 代码审查的最佳实践。通过结合 AI 和人工审查,可以显著提升软件质量。
|
机器学习/深度学习 自然语言处理 知识图谱
|
网络协议 Linux iOS开发
|
安全 网络安全 数据安全/隐私保护
Pikachu RCE 通关解析
Pikachu RCE 通关解析
100套HTML静态网页模板免费分享
100套HTML静态网页模板,设计的十分有特色,由于Github服务器原因可能下载速度较慢,已全部打包整理。
1918 0
100套HTML静态网页模板免费分享