Джефф Уэбб - Википедия - Geoff Webb

Для использования в других целях см. Джеффри Уэбб (значения).

Джеффри И. Уэбб (также известный как Джефф Уэбб) является профессором компьютерных наук в Университет Монаша, основатель и директор Сбор данных компания по разработке программного обеспечения и консультированию G. I. Webb and Associates,[1] и бывший главный редактор журнала Интеллектуальный анализ данных и обнаружение знаний.[2] До прихода в Университет Монаш он работал на факультете в Университет Гриффита с 1986 по 1988 год, а затем в Университет Дикина с 1988 по 2002 гг.

Уэбб опубликовал более 200 научных работ в области машинное обучение, наука о данных, сбор данных, аналитика данных, большое количество данных и пользовательское моделирование.[3] Он редактор Энциклопедии машинного обучения.[4]

Уэбб создал Усредненные оценки с одной зависимостью алгоритм машинного обучения[5] и его обобщение. Усредненные оценки N-зависимости.[6] и много работал над статистически обоснованными изучение правил ассоциации.[7][8][9][10] Его ранние работы включали защиту использования машинного обучения для создания пользовательских моделей «черный ящик»;[11]интерактивное машинное обучение;[12][13] и один из первых подходов к изучение правил ассоциации используя минимум поддержки и уверенности.[14]

Награды Уэбба включают первую премию Eureka Prize for Excellence in Data Science, 2017 г.,[15] Член IEEE,[16] Премия Австралийского компьютерного общества "Исследователь года в области ИКТ 2016",[17] награда Международной конференции IEEE за выдающиеся заслуги в области интеллектуального анализа данных,[18] награда за выдающиеся научные работники Австралийского исследовательского совета[19] и несколько грантов Австралийского исследовательского совета на открытие.[20]

Уэбб является одним из основателей редакционного совета журнала «Статистический анализ и интеллектуальный анализ данных».[21]Он работал в редакционных советах журналов «Машинное обучение», «Транзакции ACM по обнаружению знаний в данных», «Моделирование пользователей и адаптируемое к пользователю взаимодействие», а также «Системы знаний и информации».

Уэбб был избран в Специальная группа ACM по обнаружению знаний и интеллектуальному анализу данных Исполнительный комитет в 2017 году.[22]

внешняя ссылка

Рекомендации

  1. ^ "Г. И. Уэбб и партнеры"
  2. ^ "Журнал интеллектуального анализа данных и обнаружения знаний" Проверено 20 октября 2013.
  3. ^ Джефф Уэбб публикации, проиндексированные Google ученый
  4. ^ «Энциклопедия машинного обучения»
  5. ^ Уэбб, Джеффри; Дж. Боутон; З. Ван (2005). «Не такой уж наивный байесовский: агрегирование оценок с одной зависимостью». Машинное обучение. 58 (1): 5–24. CiteSeerX  10.1.1.3.7847. Дои:10.1007 / s10994-005-4258-6.
  6. ^ Уэбб, Джеффри; Дж. Боутон; Ф. Чжэн; К.М. Тинг; Х. Салем (2012). «Обучение путем экстраполяции от маргинального к многомерному распределению вероятностей: все менее наивная байесовская классификация». Машинное обучение. 86 (2): 233–272. Дои:10.1007 / s10994-011-5263-6.
  7. ^ Уэбб, Джеффри (2007). «Обнаружение важных закономерностей». Машинное обучение. 68 (1): 1–33. Дои:10.1007 / s10994-007-5006-x.
  8. ^ Уэбб, Джеффри (2008). «Многослойные критические ценности: мощный подход прямой корректировки для обнаружения важных закономерностей». Машинное обучение. 71 (2–3): 307–323. Дои:10.1007 / s10994-008-5046-x.
  9. ^ Уэбб, Джеффри (2010). «Самодостаточные наборы предметов: подход к выявлению потенциально интересных связей между предметами». Транзакции по обнаружению знаний из данных. 4: 3:1–3:20. Дои:10.1145/1644873.1644876.
  10. ^ Уэбб, Джеффри (2011). «Открытие ассоциации Filtered-top-k». WIREs Data Mining и обнаружение знаний. 1 (3): 183–192. CiteSeerX  10.1.1.228.2541. Дои:10.1002 / widm.28.
  11. ^ Уэбб, Джеффри; М. Кузьмич (1996). «Моделирование на основе признаков: методология создания последовательных, последовательных, динамически изменяющихся моделей компетенций агентов». Пользовательское моделирование и взаимодействие с пользователем. 5 (2): 117–150. Дои:10.1007 / BF01099758.
  12. ^ Уэбб, Джеффри (1996). «Интеграция машинного обучения с приобретением знаний посредством прямого взаимодействия с экспертами в предметной области». Системы, основанные на знаниях. 9 (4): 253–266. CiteSeerX  10.1.1.228.3037. Дои:10.1016/0950-7051(96)01033-7.
  13. ^ Уэбб, Джеффри; Дж. Уэллс; З. Чжэн (1999). «Экспериментальная оценка интеграции машинного обучения с приобретением знаний». Машинное обучение. 35 (1): 5–14. Дои:10.1023 / А: 1007504102006.
  14. ^ Уэбб, Джеффри (1989). «Подход машинного обучения к моделированию учащихся» (PDF). Труды Третьей Австралийской совместной конференции по искусственному интеллекту (AI 89). С. 195–205.
  15. ^ «Победители конкурса Eureka Prize 2017»
  16. ^ «Стипендиаты IEEE 2015»
  17. ^ Победители ACS Digital Disruptors Awards 2016
  18. ^ ""Награды IEEE Data Mining"". Архивировано из оригинал на 2017-08-18. Получено 2013-10-20.
  19. ^ Итоги финансирования проектов Discovery для проектов, начатых в 2014 г.
  20. ^ ""Результаты финансирования проектов Discovery"". Архивировано из оригинал в 2013-10-23. Получено 2013-10-20.
  21. ^ Редакционная коллегия статистического анализа и интеллектуального анализа данных
  22. ^ О SIGKDD