Zwei Forschungsteams der Universität Klagenfurt weiter im Rennen um „Clusters of Excellence“

Wie der Wissenschaftsfonds FWF kürzlich bekanntgab, stehen nun elf Teams in der letzten Auswahlrunde für eine „Cluster of Excellence“-Förderung. Die Entscheidungen über Österreichs künftige Leuchttürme der Grundlagenforschung werden Anfang 2023 getroffen. Unter den elf Konsortien ist auch der von der Universität Klagenfurt initiierte und geleitete Cluster „Multidrohnen-Systeme“. Darüber hinaus ist auch am Vorhaben „Bilaterale Künstliche Intelligenz“ ein Wissenschaftler aus Klagenfurt im Board of Directors beteiligt.

Weiterlesen

Forschung für bessere Empfehlungssysteme: Dietmar Jannach im Interview

Dietmar Jannach ist Professor am Institut für Artificial Intelligence und Cybersecurity. Er hat mehr als 150 Publikationen in Bereichen wie Recommender Systems, wissensbasierte Systementwicklung, Constraint-basierte Systeme, semantische Webanwendungen und Web Mining sowie Software Engineering verfasst. Unter anderem ist Jannach Mitautor des Buches „Recommender Systems: An Introduction“. Zudem ist er Co-Editor-in-Chief der neuen Zeitschrift ACM Transactions on Recommender Systems (TORS).

Wir haben mit Jannach über seinen Forschungsbereich Recommender Systems gesprochen und darüber, wie sich dieser in den letzten Jahren (weiter-)entwickelt hat. Jannach hat uns auch über seine neuen Aufgaben und Ziele für TORS erzählt. Weiterlesen

Trends in Recommendations Systems – A Netflix Perspective

Thursday April 7th 2022 | 05.30 pm (CET) | via Zoom

Anuj Shah, Ph. D. | Senior Machine Learning Research Practitioner at Netflix |

Click here to register for the meeting:

https://zoom.us/meeting/register/tJYvdO-gqzMiEtKOfNIgcZAZOQ8jA3i_b3Pi

 

Abstract:

Recommendation systems today are widely used across many applications such as in multimedia content platforms, social networks, and ecommerce, to provide suggestions to users that are most likely to fulfill their needs, thereby improving the user experience. Academic research, to date, largely focuses on the performance of recommendation models in terms of ranking quality or accuracy measures, which often don’t directly translate into improvements in the real-world. In this talk, we present some of the most interesting challenges that we face in the personalization efforts at Netflix. The goal of this talk is to sunshine challenging research problems in industrial recommendation systems and start a conversation about exciting areas of future research.

 

Bio:

Anuj Shah is a Senior Machine Learning Research Practitioner at Netflix. For the past 10+ years, he’s been working on an applied research team focused on developing the next generation of algorithms used to generate the Netflix homepage through machine learning, ranking, recommendation, and large-scale software engineering. He is extremely passionate about algorithms and technologies that help improve the Netflix customer experience with highly personalized consumer-facing products like the Continue Watching row, the Top 10 rows amongst many others. Prior to Netflix, he worked on machine learning in the Computational Sciences Division at the Pacific Northwest National Laboratory focusing on technologies at the intersection of proteomics, bioinformatics and Computer Science for 8 years. He has a Ph.D. from the Computer Science department at Washington State University and a Masters in C.S. from Virginia Tech

5 Tipps für mehr IT-Sicherheit

Für die meisten Menschen ist ein Leben ohne Computer, Smartphone, Tablet und Internet nicht mehr wegzudenken. Jedes Jahr am 30.11. findet weltweit der Computer Security Day statt. Dieser Tag soll uns für das Thema Cyber-Sicherheit sensibilisieren. Hier sind 5 Tipps für mehr IT-Sicherheit von unserem Cyber Security Experten Peter Schartner: Weiterlesen