Его исследования сосредоточены на прикладной математике, с особым акцентом на дифференциальные уравнения в частных производных, теорию управления, численный анализ и машинное обучение. Его работа отмечена такими наградами, как Премия Euskadi (Страна Басков) в области науки и технологий (2006), Национальная исследовательская премия имени Хулио Рея Пастора (2007) и премия W.T. and Idalia Reid Prize Общества промышленной и прикладной математики (SIAM) (2022).

Он является автором более 430 публикаций и научным руководителем более 32 докторских диссертаций. Его исследования были поддержаны тремя Advanced Grants Европейского исследовательского совета: NUMERIWAVES 2010, DyCon 2016 и CoDeFeL 2024. Он также участвовал в совместных промышленных проектах и проектах трансфера технологий в Испании и Германии. Помимо редакционной работы в ведущих журналах по прикладной математике, он активно занимается популяризацией науки для широкой аудитории.

Профессор Чон Чхоль Йе в настоящее время является полным профессором Высшей школы искусственного интеллекта Kim Jaechul в KAIST (Корейский передовой институт науки и технологий), где ведет исследования на стыке медицинской визуализации и искусственного интеллекта.

Он получил степени бакалавра и магистра в области управления и измерительной техники в Сеульском национальном университете, а степень Ph.D. по электротехнике и компьютерной инженерии - в Purdue University.

Его исследования посвящены реконструкции медицинских изображений, обработке изображений на основе глубокого обучения и разработке интеллектуальных медицинских систем. Как Fellow IEEE, он активно участвует в академическом сообществе и входит в редакционные коллегии нескольких международных журналов.

Объединяя искусственный интеллект и биомедицинскую инженерию, он стремится продвигать научные инновации и способствовать улучшению здоровья людей.

Женисбек Асылбеков - исследователь в области машинного обучения и статистической теории обучения. Его работа сосредоточена на моделях глубокого обучения, дискриминантном анализе, гауссовых смесях и теоретических свойствах алгоритмов оптимизации, таких как Expectation-Maximization (EM) и градиентный спуск.

Его недавние исследования включают развитие Deep Linear Discriminant Analysis и его вариантов, а также теоретические гарантии обучения в переопределенных гауссовых смесях. Он также внес вклад в исследования производительности классификаторов при распределениях данных с длинным хвостом и ограничений градиентных методов при обучении высокочастотным функциям и модульной арифметике.

Его публикации выходят в журналах Q1, таких как Statistical Papers и Machine Learning, а также в других рецензируемых изданиях и площадках по машинному обучению и статистике.

Профессор Петер Рихтарик - ведущий эксперт на стыке математики, оптимизации и машинного обучения. Он получил степень PhD по Operations Research в Cornell University и занимал академические должности в University of Edinburgh до перехода в King Abdullah University of Science and Technology (KAUST) в 2017 году.

Он является founding Fellow Института Алана Тьюринга и внес значительный вклад в рандомизированные и распределенные алгоритмы оптимизации. Профессор Рихтарик также известен как один из первоначальных разработчиков Federated Learning - важного развивающегося направления искусственного интеллекта, ориентированного на обучение моделей на децентрализованных источниках данных с сохранением конфиденциальности.

Бохён Хан - профессор электротехники и компьютерной инженерии Сеульского национального университета (SNU). Ранее он был ассоциированным профессором в POSTECH и приглашенным исследователем в Google DeepMind, Google Research и Snap Research. Степень Ph.D. он получил в University of Maryland, College Park, в 2005 году.

Профессор Хан занимал значимые руководящие роли в сообществах компьютерного зрения и машинного обучения, включая Program Chair ICCV 2025 и BMVC 2026, а также TPC Vice-Chair ICASSP 2024. Он регулярно выступает Senior Area Chair на CVPR, NeurIPS, ICLR и ICML, а также является Associate Editor журнала IEEE TPAMI.

Среди его прежних ролей - General Chair ACCV 2022, Demo Chair ECCV 2022, Workshop Chair CVPR 2021 и Tutorial Chair ICCV 2019, а также многочисленные назначения Area Chair на CVPR, ICCV, ECCV, NeurIPS, ICLR, AAAI и IJCAI. Среди его наград - звание Fellow KAST (2025), NRF Scientist of the Month Award (2025) и Google AI Focused Research Award (2018). Кроме того, его исследовательская группа выиграла Visual Object Tracking (VOT) Challenge в 2015 и 2016 годах.

Dr. Amir Mosavi is Professor of Artificial Intelligence at Obuda University. He is ranked first in Computer Science in Hungary. He completed his engineering studies at Kingston University London and earned a PhD in Applied Informatics. He held postdoctoral fellowships at the Norwegian University of Science and Technology, Bauhaus University Weimar (Germany), and Oxford Brookes University (United Kingdom). He also served as a visiting researcher at the Queensland University of Technology, TU Dresden, the Norwegian University of Life Sciences and recently, he served a visiting professor at the German Research Center for Artificial Intelligence. His research focuses on applied machine learning and artificial intelligence.

He is a recipient of the Green Talents Award, the Alexander von Humboldt Award, the UNESCO Young Scientist Award, the Alain Bensoussan Fellowship, the GO STYRIA Award, the Estonian Dora Plus Fellowship, the Estophilus Fellowship, the Future Talent TU Darmstadt Award, the World Academy of Sciences (TWAS) UNESCO Award, the Marie Skłodowska Curie Fellowship, the Endeavour Australia Leadership Award, the Talented Young Scientist Award, and the European Research Consortium for Informatics and Mathematics Fellowship. He has published numerous research articles in leading international scientific journals. Since 2019, he has been listed among the world's top 2% most cited scientists.

Рустем Таханов получил степень магистра по прикладной математике и физике в Московском физико-техническом институте и степень Ph.D. по информатике в Вычислительном центре им. Дородницына Российской академии наук. Его исследования охватывают машинное обучение, статистическую теорию обучения, методы оптимизации, снижение размерности, ядерные методы, задачи выполнимости ограничений и структурное предсказание.

Он широко известен своим вкладом в распознавание образов и алгоритмы обучения. Его недавние работы по проблеме числа поцелуев представят особый интерес для математиков, участвующих в конференции.