Christine Kirkpatrick

San Diego Supercomputer Center, University of California San Diego & GO FAIR US

Tema de la conferencia:

Pendiente

Resumen:

Esta sesión discutirá lecciones aprendidas y prácticas comunitarias emergentes en relación con la preparación para la IA (de datos), la reproducibilidad de la IA y la relación entre los Principios FAIR y el aprendizaje automático (AA). Se compartirán perspectivas sobre cómo aprovechar la IA general y los LLM para mejorar la limpieza y organización de datos para el AA, así como preguntas de investigación abiertas y brechas en las prácticas en la intersección de la IA y los datos. Esto incluirá una actualización de la Red de Coordinación de Investigación de FAIR en Aprendizaje Automático, Preparación para la IA y Reproducibilidad de la IA (FARR).

Biografía del Ponente:

Christine Kirkpatrick dirige la división de Servicios de Datos de Investigación del Centro de Supercomputación de San Diego, donde se apoya la infraestructura de investigación a gran escala. Su trabajo se centra en la IA centrada en datos, con el objetivo de mejorar la eficiencia, reducir el consumo de energía y el tiempo de descubrimiento. Es la investigadora principal del proyecto FAIR en ML RCN, financiado por la NSF, que promueve las mejores prácticas y la reproducibilidad en IA. Kirkpatrick también lidera el proyecto FAIRification del NIAID, que mejora la calidad de los metadatos de datos biomédicos. Fundó la oficina de GO FAIR en EE. UU., forma parte del Comité Ejecutivo de la Red de Almacenamiento Abierto y es coinvestigadora principal del proyecto GRANDE-U, financiado por la NSF, que apoya la investigación de aguas subterráneas en los países bálticos.