Umair Qudus

Data Science / Heinz Nixdorf Institut

Wissenschaftlicher Mitarbeiter

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

Büro­anschrift:
Fürstenallee 11
33102 Paderborn
Raum:
FU.201.4
Sprechstunden:

Thursday 14:00 - 16:00

?ber 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 Universit?t Paderborn, Deutschland, und besch?ftige mich mit der Anwendung von KnowGraphs wie Fact Checking unter Verwendung von Traversal-, Embedding- und NLP-Techniken, um die Qualit?t von gro?en 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 L?sungen 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 t?tig 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 haupts?chlich für:

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

Publikationen

Aktuelle Publikationen

ExPrompt: Augmenting Prompts Using Examples as Modern Baseline for Stance Classification

U. Qudus, M. R?der, D. Vollmers, A.-C. Ngonga Ngomo, in: Proceedings of the 33rd ACM International Conference on Information and Knowledge Management, ACM, 2024, pp. 3994–3999.


FaVEL: Fact Validation Ensemble Learning

U. Qudus, M. R?der, F.L. Tatkeu Pekarou, A.A. Morim da Silva, A.-C. Ngonga Ngomo, in: M. Rospocher, Mehwish Alam (Eds.), EKAW 2024, 2024.


TemporalFC: A Temporal Fact Checking approach over Knowledge Graphs

U. Qudus, M. R?der, 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. R?der, 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