Linglong Kong
La nomination
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2021
Linglong Kong est titulaire de chaire en IA Canada-CIFAR à Amii. Professeur au département de sciences mathématiques et statistiques de l’Université de l’Alberta, il est titulaire de la Chaire de recherche du Canada en apprentissage statistique.
Dans le cadre de ses recherches, Kong s’intéresse entre autres à l’analyse de données fonctionnelles et de neuroimagerie, à l’apprentissage automatique statistique, aux statistiques robustes et à la régression quantile, ainsi qu’à l’intelligence artificielle dans le domaine de la santé intelligente. Il est le rédacteur en chef adjoint de plusieurs revues, dont le Canadian Journal of Statistics, le Journal of the American Statistical Association, Applications & Case Studies et Statistics and Frontiers in Neuroscience.
Prix
- Membre de l’American Statistical Association (ASA), 2024
- Chaire de recherche du Canada en apprentissage statistique, Université de l’Alberta, 2020
- Représentant du Programme des futurs leaders du Forum STS du Japon, CRSNG, 2018
- Prix du meilleur superviseur, Université de l’Alberta, 2018
- Prix de mentorat Josephine Mitchell, Université de l’Alberta, 2017
- Chargé de recherche, Institut de sciences statistiques et de mathématiques appliquées (SAMSI), 2015
Publications Pertinentes
- Jiang, Y., Chang, X., Liu, Y., Ding, L., Kong, L. et Jiang, B. (2023). « Gaussian Differential Privacy on Riemannian Manifolds », Proceedings of the 37th Conference on Neural Information Processing Systems (NeurIPS 2023).
- Liu, Y., Hu, Q., Ding, L., Jiang, B. et Kong, L. (2023). « Online local differential private quantile inference via self-normalization », Proceedings of the 40th International Conference on Machine Learning (ICML 2023).
- Liu, Y., Sun, K., Jiang, B. et Kong, L. (2022). « Identification, Amplification, and Measurement: A bridge to Gaussian Differential Privacy », Proceeding of the 36th Conference on Neural Information Processing Systems (NeurIPS 2022).
- Liu, M., Ding, L., Yu, D., Liu, W., Kong, L. et Jiang, B. (2022). « Conformalized Fairness via Quantile Regression », Proceeding of the 36th Conference on Neural Information Processing Systems (NeurIPS 2022).
- Wang, Y., Sun, K., Liu, Y., Zhao, Y., Pan, B., Jui, S., Jiang, B., and Kong, L. (2021). Damped Anderson Mixing for Deep Reinforcement Learning: Acceleration, Convergence, and Stabilization, Proceeding of the 35th Conference on Neural Information Processing Systems (NeurIPS 2021).