Foteini Liwicki

Biografi

Foteini Simistira Liwicki fick sitt doktorsexamen från School of Electrical and Computer Engineering, NTUA, Grekland , inom området Mönsterigenkänning 2015 med titeln ”Erkännande av online-handskrivna matematiska uttryck”. Från 1997 till 2015 arbetade hon som forskningsassistent vid Institutet för språk- och talbearbetning, ATHENA RC, där hon huvudsakligen var ansvarig för forskningsprogram inom mönsterigenkänning, maskininlärning och naturlig språkbearbetning. Hon var också mycket engagerad i utformningen och utvecklingen av innovativa utbildningsplattformar (inriktade främst på gymnasiet i Grekland men också i andra europeiska länder). Från 2015 till juni 2019 arbetade hon som PostDoc-stipendiat vid University of Fribourg (DIVA-forskningsgruppen) inom området Document Image Analyse och databasgenerering. Från juni 2018 till juni 2019 arbetade hon som PostDoc-kollega med gruppen Machine Learning vid Luleå tekniska universitet.

Från juli 2019 arbetar hon som universitetslektor vid Luleå tekniska universitet inom området maskinlärning och konstgjord intelligens.

Hon var vetenskaplig medlem i programkommittén för den 13: e Internationella verkstaden för IAPR för dokumentanalyssystem (DAS2018) och ICDAR-OST-1: s internationella workshop om öppna tjänster och verktyg för dokumentanalys som hålls på ICDAR2018, Japan. Hon var huvudorganisatören för ICDAR2018-tävlingen om layoutanalys för utmanande medeltida manuskript som hölls på ICDAR2018, Japan. För närvarande organiserar hon tävlingen om Historical Document Reading Challenge on Large Structured Family Records (ICDAR-2019-HDRC-Chinese) som kommer att äga rum på ICDAR2019 .

Hon tjänar som granskare i internationella vetenskapliga tidskrifter och konferenser (t.ex. Pattern Recognition Letters, DAS, ICFHR, ICDAR). Hon är också en vetenskaplig medlem i Institute of Document Analysis and Knowledge Science, Kyoto, Japan och PC-medlem för ICDAR2019 och ICDAR-OST-2nd International Workshop on Open Services and Tools for Document Analys , ICDAR2019, Australien.

Forskningsintressen

• Maskininlärning
• Artificiell intelligens (AI)
• Hjärnförståelse
• Beteendeanalys
• Natural Language Processing (NLP)
• Dokumentanalys
• Handskrift erkännande

Medical Neuroscience av Duke University på Coursera.Intyg intjänat onsdag 3 juli 2019 11:09 GMT ( certifikat )

Forskningsaktiviteter

• Programkommittémedlem för ICDAR-OST-1: a internationella workshopen om öppna tjänster och verktyg för dokumentanalys, del av ICDAR2017
• Huvudorganisatör av ICDAR2017-tävlingen om layoutanalys för utmanande medeltida manuskript - ICDAR2017-HisDoc-Layout-Comp
• Programkommittémedlem för den 13: e Internationella verkstaden för IAPR för dokumentanalyssystem - DAS2018
• Huvudarrangör av tävlingen om historisk dokumentläsutmaning på stora strukturerade familjeposter - ICDAR-2019-HDRC-Chinese
• Vetenskaplig medlem i Institute of Document Analysis and Knowledge Science, Kyoto, Japan - IDAKS
• Programkommittémedlem för ICDAR2019 och ICDAR-OST-2nd International Workshop om öppna tjänster och verktyg för dokumentanalys - ICDAR2019
• Tävlingsordförande för den internationella konferensen om dokumentanalys och erkännande, september 2021, i Schweiz - ICDAR2021
• Programkommittémedlem för den 14: ^e internationella workshopen för dokumentanalys i IAPR - DAS2020
• Programkommittémedlem för den 25: e internationella konferensen om mönsterigenkänning - ICPR2020

Utvärdering av doktorsavhandlingar

• 2019 - Extern examinator för Stefano Martina - Doktorsavhandling - Klassificering av cancerregister med djupa inlärningsmetoder , Florens universitet, Italien
• 2019 - Extern examinator för Qurat ul Ain - Doktorsavhandling - Segmentering av Urdu Nastalique , University of Engineering and Technology Lahore, Pakistan

Bokkapitel (2019)

• ”Djup inlärning för historisk dokumentanalys”, som kommer att publiceras i ”Handbok för mönsterigenkänning och datorsyn, World Scientific, 2019
• ”DIVA-HisDB: En exakt kommenterad dataset av utmanande medeltida manuskript”, som kommer att publiceras i ”Serien i maskinens perception och artificiell intelligens”, World Scientific, 2019

Teaching

Advanced Data Mining (D7043E), link
Introduktion till artificiell intelligens (D0030E), link
UL-P Tillämpad artificiell intelligens TCAIA, link

Presentationer