برانيث فيباكوما

تقدم برانيث فيباكوما للحصول على درجة الدكتوراه في معهد ماساتشوستس للتكنولوجيا في مجال الحوسبة الموزعة والخاصة. ويتمتع برانيث بخبرة واسعة اكتسبها بعمله لدى شركات "ميتا" و"أبل" و"أمازون" و" حلول موتورولا" و" كورنينج" وغيرها من الشركات الناشئة. ويشار كذلك إلى أن برانيث يعمل رئيساً لمؤسسة "Integrity Distributed" البحثية غير الربحية التي شارك في تأسيسها بهدف مكافحة الفساد والامتثال المالي. ويركز برانيث في بحوثه على تطوير خوارزميات للحوسبة الموزعة في مجال الإحصاء وتعلم الآلة في ظل القيود التي تفرضها مقاييس الخصوصية والكفاءة.

حصل برانيث على زمالة مختبر جهاز أبوظبي للاستثمار، وزمالة بحوث ميتا للدكتوراه في الإحصاء التطبيقي، ومنحتين للمسؤوليات الاجتماعية والأخلاقية للحوسبة من كلية شوارزمان للحوسبة في معهد ماساتشوستس للتكنولوجيا. كما فازت مؤسسته غير الربحية بجائزة فاينانشال تايمز للابتكار الرقمي. وحصل أيضاً على جائزة أفضل ورقة بحثية للطلاب في FL-IJCAI، وجائزة Baidu لأفضل ورقة في NeurIPS-SpicyFL، وجائزة أفضل ورقة بحثية في FG-2021.

جدير بالذكر أن عمل برانيث يستند إلى أسس الإحصائيات غير المقاربة، والخوارزميات العشوائية، وخوارزميات التعلم المعزز، والتوافقيات، وفي بعض الأحيان فقط على تصميم الأنظمة. كما أشرف على تنظيم عدة ورش عمل خلال فعاليا كل من ICLR، وICML، وIJCAI، وCVPR، وNeurIPS.

• دكتوراه من معهد ماساتشوستس للتكنولوجيا (2024)، كامبريدج، ماساتشوستس، الولايات المتحدة الأمريكية
• ماجستير العلوم في الإحصاء الرياضي والتطبيقي، جامعة روتجرز (نيو برونزويك، نيوجيرسي، الولايات المتحدة الأمريكية) (2009)

• (زمالة) فاز بجائزة ميتا (سابقًا فيسبوك) لزمالة أبحاث الدكتوراه )تم اختيار 37 زميلاً من بين 2300 متقدم). نُشر الخبر ضمن أخبار معهد ماساتشوستس للتكنولوجيا مع ثلاثة فائزين آخرين من الحاصلين على الزمالة.
• زمالة مختبر هيئة أبوظبي للاستثمار من 1 مارس 2024 إلى 28 فبراير 2025.
• (جائزة) فازت المؤسسة غير الربحية التي شارك في تأسيسها (Integrity Distributed)  بجائزة فاينانشال تايمز للابتكار الرقمي.
• (منحة دراسية) تم اختياره كباحث للمسؤوليات الاجتماعية والأخلاقية للحوسبة (SERC Scholar) من قبل كلية شوارزمان للحوسبة في معهد ماساتشوستس للتكنولوجيا.
• تم عرض أعماله في مجال تعلم الآلة المنفصل في دورية MIT Technology Review وMIT News.
• فاز عن ورقته البحثية المقدمة خلال فعاليات مؤتمر معهد مهندسي الكهرباء والإلكترونيات الدولي الذي تمحور حول التعرف التلقائي على الوجوه والإيماءات (FG 2021)، بجائزة Mukh لأفضل ورقة.
• (جائزة) فاز عمله FedML بجائزة Baidu لأفضل ورقة في NeurIPS 2020-SpicyFL.
• عمل موجهاً في أول هاكاثون عالمي لـ تقنيات تعزيز الخصوصية التابعة للأمم المتحدة/مختبر U.N PET.
• (جائزة) فاز بجائزة FL-IJCAI'22 لأفضل ورقة بحثية للطلاب في ورشة العمل الدولية حول التعلم الموحد الموثوق بالتزامن مع IJCAI 2022 (FL-IJCAI'22).

• دراسة بعنوان – Posthoc privacy guarantees for collaborative inference with modified Propose-Test-Release (PDF) [للباحثين: Abhishek Singh، Praneeth Vepakomma، Vivek Sharma، Ramesh Raskar] نُشرت في مؤتمر NeurIPS السابع والثلاثين (Neural Information Processing Systems)، عام 2023. الموضوع: الخصوصية التفاضلية، إضفاء الطابع الرسمي على خصوصية مسارات تعلم الآلة غير الرسمية، الاستدلال الموزع/التعاوني.
• دراسة بعنوان – PrivateMail: Differentially private supervised manifold learning of deep features with privacy [للباحثين: Praneeth Vepakomma، Julia Balla، Ramesh Raskar] نُشرت في مؤتمر AAAI السادس والثلاثين (AAAI Conference on Artificial Intelligence)، عرض شفهي (Oral)، عام 2022. الموضوع: الخصوصية التفاضلية، تعلم الآلة الحافظ للخصوصية، تعلم الآلة على الجهاز.
• دراسة بعنوان – Differentially private Fréchet Mean on the Manifold of Symmetric Positive Definite (SPD) Matrices (PDF) [للباحثين: Saiteja Utpala، Praneeth Vepakomma، Nina Miolane] نُشرت في مجلة TMLR (Transactions on Machine Learning Research)، عام 2023. الموضوع: الإحصاء الهندسي، الخصوصية التفاضلية، الهندسة التفاضلية.
• دراسة بعنوان – DISCO: Dynamic and invariant sensitive channel obfuscation for deep neural networks [للباحثين: A. Singh، A. Chopra، V. Sharma، E. Garza، E. Zhang، P. Vepakomma، R. Raskar] نُشرت في مؤتمر CVPR (IEEE Computer Vision and Pattern Recognition)، عام 2021. الموضوع: منع هجمات إعادة البناء، الاستدلال الموزع.
• دراسة بعنوان – Supervised Dimensionality Reduction via Maximization of Distance Correlation [للباحثين: P. Vepakomma، C. Tonde، A. Elgammal] نُشرت في مجلة Electronic Journal of Statistics، عام 2018. الموضوع: الإحصاء، التحسين، تعلم الآلة.
• دراسة بعنوان – Advances and open problems in federated learning (PDF) [شارك في إعدادها 58 باحثًا من 25 مؤسسة] نُشرت في مجلة Foundations and Trends in Machine Learning، المجلد 14، العدد 1-2.
• دراسة بعنوان – Parallel quasi-concave set function optimization for scalability even without submodularity [للباحثين: Praneeth Vepakomma، Yulia Kempner، Rodmy Paredes Alfaro، Ramesh Raskar] نُشرت في مؤتمر IEEE HPEC (High Performance Extreme Computing)، عام 2023. الموضوع: التحسين التوافقي المتوازي.