'''Kai Shu''' es un científico informático, académico y autor. Es profesor asistente de la Cátedra de Desarrollo Gladwin en el Instituto de Tecnología de Illinois.
La investigación de Shu explora big data, medios sociales e IA confiable (Inteligencia artificial), enfocándose en detectar noticias falsas, analizar redes sociales, mejorar la ciberseguridad (Seguridad informática) e investigar la informática de salud; también posee tres patentes por sus contribuciones.
==Educación==
Shu completó su Licenciatura en Ingeniería de Redes de la Universidad de Chongqing en 2012 y luego obtuvo una Maestría en Ciencias de la Computación y Tecnología de la misma institución en 2015. Luego obtuvo su doctorado. en Ciencias de la Computación en la Universidad Estatal de Arizona en 2020 bajo la supervisión de Huan Liu, donde completó su tesis sobre "Comprender la desinformación: aprender con una supervisión social débil".
==Carrera==
Shu fue pasante de investigación en HP Labs|Hewlett-Packard Labs en China, bajo la tutoría de Ping Luo, de 2012 a 2013.
Shu pasó a su primer puesto académico en septiembre de 2015, donde se desempeñó como asistente de investigación en la Universidad Estatal de Arizona, hasta julio de 2020.
==Investigación==
Las áreas de investigación de Shu incluyen el aprendizaje automático,
===Redes sociales y desinformación===
La investigación de Shu sobre las redes sociales se centró en el fenómeno de la popularidad del consumo de noticias a pesar de la menor calidad y el aumento de las noticias falsas, destacando la importancia de comprender la correlación entre los perfiles de usuario y las noticias falsas para futuras investigaciones.
En una investigación relacionada, Shu introdujo un método explicable de detección de noticias falsas que superó los enfoques existentes al utilizar una subred de atención conjunta de oraciones y comentarios, lo que proporciona mejores conocimientos sobre por qué ciertas noticias se consideran falsas.
=== Modelos de lenguajes grandes seguros y responsables===
La investigación de Shu profundizó en cómo el público utiliza modelos de lenguaje grande (LLM) también para fines de atención médica, revelando su popularidad para preguntas y respuestas médicas y autodiagnóstico y destacando el papel de los LLM en la mejora de la calidad de la información, la reducción de la desinformación y la optimización de la conveniencia en el acceso a la información de atención médica. , especialmente en lo que respecta a su uso por parte de los médicos para el diagnóstico.
==Premios y honores==
*2021– Premio Distinguido de Tesis Doctoral, BenchCouncil *2021– Premio de créditos de investigación de Google Cloud, Google
*2022 – Mención de honor del académico más influyente de AI 2000, Aminer
*2023 – Mención de honor del académico más influyente de AI 2000, Aminer
*2023 – Premio Cisco de Investigación Docente, Cisco *2024 – Premio NSF Career Award, Fundación Nacional de Ciencias de EE. UU.
*2024 – Premio a la Excelencia en Investigación del Decano de la Facultad de Computación, Illinois Tech
==Bibliografía==
===Libros===
*''Detección de noticias falsas en redes sociales'' (2019) ISBN 978-1681735825
*''Desinformación, desinformación y noticias falsas en las redes sociales: desafíos y oportunidades de investigación emergentes'' (2020) ISBN 978-3030426989
===Artículos seleccionados===
*Shu, K., Sliva, A., Wang, S., Tang, J. y Liu, H. (2017). Detección de noticias falsas en redes sociales: una perspectiva de minería de datos. Boletín de exploraciones de ACM SIGKDD, 19(1), 22-36.
*Shu, K., Wang, S. y Liu, H. (abril de 2018). Comprensión de los perfiles de usuarios en redes sociales para la detección de noticias falsas. En la conferencia IEEE de 2018 sobre procesamiento y recuperación de información multimedia (MIPR) (págs. 430-435). IEEE.
*Shu, K., Wang, S. y Liu, H. (enero de 2019). Más allá de los contenidos informativos: el papel del contexto social en la detección de noticias falsas. En Actas de la duodécima conferencia internacional ACM sobre búsqueda web y minería de datos (págs. 312-320).
*Shu, K., Cui, L., Wang, S., Lee, D. y Liu, H. (julio de 2019). defender: Detección de noticias falsas explicables. En Actas de la 25ª conferencia internacional ACM SIGKDD sobre descubrimiento de conocimiento y minería de datos (págs. 395-405).
*Shu, K., Mahudeswaran, D., Wang, S., Lee, D. y Liu, H. (2020). Fakenewsnet: un repositorio de datos con contenido de noticias, contexto social e información espaciotemporal para estudiar noticias falsas en las redes sociales. Grandes datos, 8(3), 171-188.
Informáticos
Académicos
Escritores
Alumnos de la Universidad de Chongqing
Exalumnos de la Universidad Estatal de Arizona
Facultad de la Universidad de Illinois
Falta fecha de nacimiento (personas vivas)
[h4] '''Kai Shu''' es un científico informático, académico y autor. Es profesor asistente de la Cátedra de Desarrollo Gladwin en el Instituto de Tecnología de Illinois. La investigación de Shu explora big data, medios sociales e IA confiable (Inteligencia artificial), enfocándose en detectar noticias falsas, analizar redes sociales, mejorar la ciberseguridad (Seguridad informática) e investigar la informática de salud; también posee tres patentes por sus contribuciones. ==Educación== Shu completó su Licenciatura en Ingeniería de Redes de la Universidad de Chongqing en 2012 y luego obtuvo una Maestría en Ciencias de la Computación y Tecnología de la misma institución en 2015. Luego obtuvo su doctorado. en Ciencias de la Computación en la Universidad Estatal de Arizona en 2020 bajo la supervisión de Huan Liu, donde completó su tesis sobre "Comprender la desinformación: aprender con una supervisión social débil". ==Carrera== Shu fue pasante de investigación en HP Labs|Hewlett-Packard Labs en China, bajo la tutoría de Ping Luo, de 2012 a 2013. Shu pasó a su primer puesto académico en septiembre de 2015, donde se desempeñó como asistente de investigación en la Universidad Estatal de Arizona, hasta julio de 2020. ==Investigación== Las áreas de investigación de Shu incluyen el aprendizaje automático, ===Redes sociales y desinformación=== La investigación de Shu sobre las redes sociales se centró en el fenómeno de la popularidad del consumo de noticias a pesar de la menor calidad y el aumento de las noticias falsas, destacando la importancia de comprender la correlación entre los perfiles de usuario y las noticias falsas para futuras investigaciones. En una investigación relacionada, Shu introdujo un método explicable de detección de noticias falsas que superó los enfoques existentes al utilizar una subred de atención conjunta de oraciones y comentarios, lo que proporciona mejores conocimientos sobre por qué ciertas noticias se consideran falsas. === Modelos de lenguajes grandes seguros y responsables=== La investigación de Shu profundizó en cómo el público utiliza modelos de lenguaje [url=viewtopic.php?t=11010]grande[/url] (LLM) también para fines de atención médica, revelando su popularidad para preguntas y respuestas médicas y autodiagnóstico y destacando el papel de los LLM en la mejora de la calidad de la información, la reducción de la desinformación y la optimización de la conveniencia en el acceso a la información de atención médica. , especialmente en lo que respecta a su uso por parte de los médicos para el diagnóstico. ==Premios y honores== *2021– Premio Distinguido de Tesis Doctoral, BenchCouncil *2021– Premio de créditos de investigación de Google Cloud, Google *2022 – Mención de honor del académico más influyente de AI 2000, Aminer *2023 – Mención de honor del académico más influyente de AI 2000, Aminer *2023 – Premio Cisco de Investigación Docente, Cisco *2024 – Premio NSF Career Award, Fundación Nacional de Ciencias de EE. UU. *2024 – Premio a la Excelencia en Investigación del Decano de la Facultad de Computación, Illinois Tech
==Bibliografía== ===Libros=== *''Detección de noticias falsas en redes sociales'' (2019) ISBN 978-1681735825 *''Desinformación, desinformación y noticias falsas en las redes sociales: desafíos y oportunidades de investigación emergentes'' (2020) ISBN 978-3030426989
===Artículos seleccionados=== *Shu, K., Sliva, A., Wang, S., Tang, J. y Liu, H. (2017). Detección de noticias falsas en redes sociales: una perspectiva de minería de datos. Boletín de exploraciones de ACM SIGKDD, 19(1), 22-36. *Shu, K., Wang, S. y Liu, H. (abril de 2018). Comprensión de los perfiles de usuarios en redes sociales para la detección de noticias falsas. En la conferencia IEEE de 2018 sobre procesamiento y recuperación de información multimedia (MIPR) (págs. 430-435). IEEE. *Shu, K., Wang, S. y Liu, H. (enero de 2019). Más allá de los contenidos informativos: el papel del contexto social en la detección de noticias falsas. En Actas de la duodécima conferencia internacional ACM sobre búsqueda web y minería de datos (págs. 312-320). *Shu, K., Cui, L., Wang, S., Lee, D. y Liu, H. (julio de 2019). defender: Detección de noticias falsas explicables. En Actas de la 25ª conferencia internacional ACM SIGKDD sobre descubrimiento de conocimiento y minería de datos (págs. 395-405). *Shu, K., Mahudeswaran, D., Wang, S., Lee, D. y Liu, H. (2020). Fakenewsnet: un repositorio de datos con contenido de noticias, contexto social e información espaciotemporal para estudiar noticias falsas en las redes sociales. Grandes datos, 8(3), 171-188.
Informáticos Académicos Escritores Alumnos de la Universidad de Chongqing Exalumnos de la Universidad Estatal de Arizona Facultad de la Universidad de Illinois Falta fecha de nacimiento (personas vivas) [/h4]
More details: [url]https://en.wikipedia.org/wiki/Kai_Shu[/url]
'''Wang Shuguo''' (
Wang fue representante del Décimo Congreso Nacional del Partido Comunista Chino (10º, 11º Congreso Nacional del Partido Comunista Chino) (11º y 12º Congreso Nacional del Partido...
Mobile version