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.

Амир Мосави - ассистент-профессор Óbuda University и приглашенный исследователь Norwegian University of Science and Technology. Он изучал sustainability management and engineering в Kingston University London и University of Waterloo, а также получил степень PhD по applied information technology and data science в рамках сотрудничества University of Debrecen, University of Jyväskylä и University of British Columbia. Его исследования сосредоточены на искусственном интеллекте, машинном обучении, прогнозировании временных рядов, изменении климата, науке об устойчивом развитии и системах поддержки принятия решений.

Доктор Мосави является международно признанным ученым в области устойчивого развития и лауреатом многочисленных престижных наград, включая Green Talents Award Федерального министерства образования и научных исследований Германии и UNESCO Young Scientist Award. Его работа посвящена разработке передовых прогнозных моделей на основе AI и ML для анализа изменения климата, снижения рисков бедствий, прогнозирования энергопотребления, засух и наводнений, а также устойчивых бизнес-моделей для биосферных резерватов. Он широко публикуется в ведущих международных научных журналах и сотрудничает с крупными исследовательскими институтами по всему миру.