PhD Student Umair Qudus

Data Science

Wissenschaftlicher Mitarbeiter

Ich interessiere mich hauptsächlich für: -Faktenüberprüfung über KnowGraphs. -Analyse von Linked Data. - insbesondere im Hinblick auf ihren Wahrheitsgehalt Erkennung von Fake News

Büro­anschrift:
Technologiepark 6
33100 Paderborn
Raum:
TP6.3.307
Sprechstunden:

Monday, 14:00 - 16:00

Über Umair Qudus

Ich bin Informatiker. Ich habe einen Abschluss in Informatik von der National University of Computing and Emerging Sciences und verfüge über fundierte Kenntnisse in den Bereichen Datenwissenschaft, semantische Webtechnologien und Abfrageverarbeitung. Ich habe als Forschungsingenieur an der Kyung Hee University in Südkorea gearbeitet. Zurzeit arbeite ich als Doktorand an der Universität Paderborn, Deutschland, und beschäftige mich mit der Anwendung von KnowGraphs wie Fact Checking unter Verwendung von Traversal-, Embedding- und NLP-Techniken, um die Qualität von großen KGs zu bewerten und zu verbessern.

Darüber hinaus habe ich in einer Vielzahl von Umgebungen gearbeitet und gelernt, wobei ich bei der Erfassung und Verarbeitung von Daten stets einen praktischen Ansatz verfolgte. Ich wende Lösungen des maschinellen Lernens auf reale Probleme an und schaffe so einen Mehrwert durch Proofs-of-Concept, eingesetzte Modelle in der Produktion oder von Experten begutachtete wissenschaftliche Arbeiten.

Ich habe in Forschungs- und Entwicklungsteams sowohl in der Softwareentwicklung als auch in der Forschung gearbeitet, war als Datenwissenschaftler für multinationale Unternehmen tätig und bin auch sehr erfahren darin, maschinelles Lernen für verschiedene Zielgruppen zu lehren, von Masterstudenten bis hin zu Start-up-Unternehmern und sogar erfahrenen Ingenieuren.

Ich bin immer bereit, mit Forschern und Branchenexperten aus aller Welt zusammenzuarbeiten und von ihnen zu lernen.

#FactChecking #KnowledgeGraphs #QueryOptimization #FederatedQueryProcessing
 

Forschung

Forschungsschwerpunkte

Ich interessiere mich hauptsächlich für:

  • Faktenüberprüfung über KnowGraphs
  • Analyse von Linked Data - insbesondere im Hinblick auf ihren Wahrheitsgehalt
  • Erkennung von Fake News

Publikationen

Aktuelle Publikationen

TemporalFC: A Temporal Fact Checking approach over Knowledge Graphs

U. Qudus, M. Röder, S. Kirrane, A.-C. Ngonga Ngomo, in: T. R. Payne, V. Presutti, G. Qi, M. Poveda-Villalónt, G. Stoilos, L. Hollink, Z. Kaoudi, G. Cheng, J. Li (Eds.), The Semantic Web – ISWC 2023, Springer International Publishing, Cham, 2023, pp. 465–483.


HybridFC: A Hybrid Fact-Checking Approach for Knowledge Graphs

U. Qudus, M. Röder, M. Saleem, A.-C. Ngonga Ngomo, in: U. Sattler, A. Hogan, M. Keet, V. Presutti (Eds.), The Semantic Web -- ISWC 2022, Springer International Publishing, Cham, n.d., pp. 462--480.


An Empirical Evaluation of Cost-based Federated SPARQL Query Processing Engines

U. Qudus, M. Saleem, A.-C. Ngonga Ngomo, Y.-K. Lee, Semantic Web 12 (n.d.) 843–868.


Alle Publikationen anzeigen