SIMBIG 2019

El Dr. Ravi Kumar ha sido investigador científico senior en Google desde 2012. Antes de esto, fue miembro del personal investigador en el Centro de Investigación IBM Almaden y científico investigador principal en Yahoo! Investigación. El Dr. Ravi Kumar obtuvo su doctorado en informática de la Universidad de Cornell. Sus intereses de investigación incluyen búsqueda en la Web y minería de datos, algoritmos para datos masivos y la teoría de la computación.

Vipin Kumar es profesor Director en la Universidad de Minnesota, donde ocupa la cátedra William Norris en el Departamento de Ciencias de la Computación e Ingeniería. Kumar recibió el B.E. Licenciado en Electrónica e Ingeniería de la Comunicación por el Instituto Indio de Tecnología Roorkee (anteriormente, Universidad de Roorkee), India, en 1977; obtuvo el grado de Master en Ingeniería Electrónica por el Instituto Internacional de Philips, Eindhoven, Países Bajos, en 1979, y el Ph.D. Licenciado en Ciencias de la Computación en University of Maryland, College Park, en 1982. Los intereses de investigación actuales de Kumar incluyen la minería de datos, la computación de alto rendimiento y sus aplicaciones en Clima / Ecosistemas y atención médica. Kumar es el responsable principal de un proyecto de 5 años y 10 millones de dólares, "Entendiendo el cambio climático: un enfoque basado en datos", financiado por el programa Expeditions in Computing de la NSF, cuyo objetivo es ampliar los límites de la investigación en ciencias de la computación. También se desempeñó como Jefe del Departamento de Ciencias de la Computación e Ingeniería de 2005 a 2015 y Director del Centro de Investigación de Computación de Alto Rendimiento del Ejército (AHPCRC) de 1998 a 2005. Su investigación ha resultado en el desarrollo del concepto de métrica de isoeficiencia para evaluar la escalabilidad de algoritmos paralelos, así como algoritmos y software paralelos altamente eficientes para la factorización de matriz dispersa (PSPASES) y partición de gráficos (METIS, ParMetis, hMetis). Es autor de más de 300 artículos de investigación y ha coeditado o es coautor de 10 libros, incluidos dos libros de texto "Introducción a la computación paralela" y "Introducción a la minería de datos", que se utilizan en todo el mundo y se han traducido a muchos idiomas. Kumar se ha desempeñado como presidente / copresidente de muchas conferencias internacionales y talleres en el área de minería de datos y computación paralela, incluida la Conferencia Internacional de Big Data IEEE 2015, la Conferencia Internacional de Minería de Datos IEEE (2002) y el Procesamiento Distribuido y Paralelo Internacional Simposio (2001). Kumar cofundó la Conferencia Internacional SIAM sobre Minería de Datos y se desempeñó como coeditor fundador de Journal of Statistical Analysis and Data Mining (una publicación oficial de la American Statistical Association). Actualmente, Kumar forma parte de los comités directivos de la Conferencia Internacional SIAM sobre Minería de Datos y la Conferencia Internacional IEEE sobre Minería de Datos, y es editor de la serie de libros de Data Mining y Knowledge Discovery publicados por CRC Press / Chapman Hall. Kumar es miembro de la ACM, IEEE, SIAM y AAAS. Recibió el Premio al Alumno Distinguido del Instituto Indio de Tecnología (IIT) Roorkee (2013) y el Premio al Alumno Distinguido del Departamento de Ciencias de la Computación, Universidad de Maryland College Park (2009). La investigación fundamental de Kumar en minería de datos y computación de alto rendimiento ha sido honrada con el Premio a la Innovación ACM SIGKDD 2012, que es el premio más alto a la excelencia técnica en el campo del Descubrimiento de Conocimientos y la Minería de Datos (KDD), y la IEEE Computer Society 2016 Sidney Fernbach Award, uno de los premios más altos de IEEE Computer Society en computación de alto rendimiento.

MICHAEL J. FRANKLIN es el titular inaugural de la Cátedra Liew Family de Ciencias de la Computación. Una autoridad en bases de datos, análisis de datos, gestión de datos y sistemas distribuidos, también se desempeña como asesor principal de los expertos en computación y ciencia de datos.
Franklin fue recientemente el Profesor Thomas M. Siebel de Ciencias de la Computación y presidente de la División de Ciencias de la Computación del Departamento de Ingeniería Eléctrica y Ciencias de la Computación de la Universidad de California, Berkeley, donde actualmente es Profesor Adjunto. Cofundó y dirigió el Laboratorio de Algoritmos, Máquinas y Personas de Berkeley (AMPLab), un importante centro de investigación de análisis de grandes datos académicos. El AMPLab ganó el premio "Expeditions in Computing" de la Fundación Nacional de Ciencias CISE, que se anunció como parte de la Casa Blanca. Iniciativa de investigación de datos grandes en marzo de 2012, y ha recibido el apoyo de más de 30 patrocinadores industriales. AMPLab ha creado un software de Big Data de código abierto que cambia la industria, incluyendo Apache Spark y BDAS, la pila de análisis de datos de Berkeley. En Berkeley también se desempeñó como miembro del comité ejecutivo del Berkeley Institute for Data Science, una iniciativa en todo el campus para mejorar los entornos de la ciencia de datos.
Franklin, un empresario enérgico además de su trabajo académico, fundó y se convirtió en director de tecnología de Truviso, una compañía de análisis de datos adquirida por Cisco Systems. Es miembro de los consejos técnicos de varias empresas y organizaciones de tecnología impulsada por datos.
Franklin es miembro de la Association for Computing Machinery y ha recibido dos veces el premio “Test of Time” de ACM SIGMOD (Grupo de interés especial en gestión de datos). Sus muchos otros honores incluyen el destacado premio de asesor de la Asociación de Estudiantes de Posgrado en Ciencias de la Computación de Berkeley. Recibió el Ph.D. en Ciencias de la Computación de la Universidad de Wisconsin en 1993, una Maestría en Ingeniería de Software del Instituto Wang de Estudios de Posgrado en 1986, y el B.S. en Informática y Ciencias de la Información por la Universidad de Massachusetts en 1983.

El Dr. Nigam Shah es profesor adjunto de Medicina (Informática Biomédica) en la Universidad de Stanford y miembro ejecutivo del Programa de Graduados en Informática Biomédica. La investigación del Dr. Shah se centra en combinar el aprendizaje automático y el conocimiento previo en ontologías médicas para permitir el aprendizaje del sistema de salud. El Dr. Shah fue elegido para el Colegio Americano de Informática Médica (ACMI) en 2015 y fue incluido en la Sociedad Americana de Investigación Clínica (ASCI) en 2016. Tiene un MBBS de Baroda Medical College, India, a PhD de Penn State University y completé la formación postdoctoral en la Universidad de Stanford.