كون زانغ

•  كبير الباحثين في معهد ماكس بلانك للأنظمة الذكية، ألمانيا.
• زميل في بحوث ما بعد الدكتوراه بجامعة هلسنكي، فنلندا
•  دكتوراه في علم الحاسوب من الجامعة الصينية، هونغ كونغ
• بكالوريوس العلوم في الأتمتة من جامعة العلوم والتكنولوجيا في الصين، الصين

• أحد مؤلفي أفضل ورقة بحثية في "مؤتمر الرؤية الحاسوبية والتعرف إلى الأنماط للعام 2019"
• أحد مؤلفي أفضل ورقة بحثية لطالب في "مؤتمر عدم اليقين في الذكاء الاصطناعي للعام 2010"
• حصل على جائزة أفضل معيار في تحدي السببية للعام 2008
• تنويه مشرّف في إطار جائزة "اختبار الوقت" من المؤتمر الدولي لتعلم الآلة للعام 2022
• جائزة أفضل ورقة بحثية من ورشة عمل حول الحدود الجديدة في تعلم الآلة العدائي في المؤتمر الدولي لتعلم الآلة للعام 2020
• رئيس ورئيس برنامج أول مؤتمر حول التعلم والتحليل السببي، العام 2022
• رئيس برنامج النسخة 38 من "مؤتمر عدم اليقين في الذكاء الاصطناعي

شارك في تأليف أفضل ورقة بحثية لطالب في "مؤتمر عدم اليقين في الذكاء الاصطناعي 2010" (UAI)، وحصل على جائزة أفضل معيار في تحدي السببية لعام 2008، وشارك في تأليف أفضل ورقة بحثية نهائية في "مؤتمر الرؤية الحاسوبية والتعرف على الأنماط 2019 " (CVPR)

• دراسة بعنوان – AdaRL: What, Where, and How to Adapt in Transfer Reinforcement Learning [للباحثين: Biwei Huang، Fan Feng، Chaochao Lu، Sara Magliacane، Kun Zhang] نُشرت في مؤتمر ICLR، عام 2022 (spotlight).
• دراسة بعنوان – Learning Temporally Latent Causal Processes from General Temporal Data [للباحثين: Weiran Yao، Yuewen Sun، Alex Ho، Changyin Sun، Kun Zhang] نُشرت في مؤتمر ICLR، عام 2022.
• دراسة بعنوان – Domain Adaptation with Invariant Representation Learning: What Transformations to Learn? [للباحثين: Petar Stojanov، Zijian Li، Mingming Gong، Ruichu Cai، Jaime G. Carbonell، Kun Zhang] نُشرت في مؤتمر NeurIPS، عام 2021.
• دراسة بعنوان – Identification of Partially Observed Linear Causal Models: Graphical Conditions for the Non-Gaussian and Heterogeneous Cases [للباحثين: Jeffrey Adams، Niels Richard Hansen، Kun Zhang] نُشرت في مؤتمر NeurIPS، عام 2021.
• دراسة بعنوان – Domain Adaptation as a Problem of Inference on Graphical Models [للباحثين: K. Zhang*، M. Gong*، P. Stojanov، B. Huang، Qingsong Liu، C. Glymour] نُشرت في مؤتمر NeurIPS، عام 2020.
• دراسة بعنوان – Generalized Independent Noise Condition for Estimating Linear Non-Gaussian Latent Variable Causal Graphs [للباحثين: Feng Xie، Ruichu Cai، Biwei Huang، Clark Glymour، Zhifeng Hao، Kun Zhang] نُشرت في مؤتمر NeurIPS، عام 2020 (spotlight).