师资队伍

个人主页： https://wuyinjun-1993.github.io/

主要研究方向

机器学习中的数据管理问题，人工智能与数据库系统的融合，人工智能中的可解释性问题

博士研究论文“Towards the Efficient Use of Fine-Grained Provenance in Data Science Applications”获得宾夕法尼亚大学计算机系最佳博士论文奖。

在国际计算机会议和期刊上发表20余篇论文，包括：

数据库顶级会议SIGMOD （CCF-A, 2篇）,VLDB (CCF-A, 3篇)，系统顶级会议OOPSLA（CCF-A，1篇），人工智能顶级会议ICML（CCF-A, 2篇），AAAI（CCF-A,2篇）

主要学术任职

• 在多个CCF-A类期刊和会议上担任审稿人，包括：

• ACM SIGMOD (CCF-A)

• VLDB Journal (CCF-A)

• ICDE (CCF-A)

• Neurips (CCF-A)

• AAAI (CCF-A)

• EDBT (CCF-B)

Selected Publications

1. TorchQL: A Programming Framework for Integrity Constraints in Machine Learning (OOPSLA 2024)

2. Do Machine Learning Models Learn Statistical Rules Inferred from Data? (ICML 2023)

3. Learning to Select Pivotal samples for Meta Re-weighting (AAAI 2023)

4. Chef: a cheap and fast pipeline for iteratively cleaning label uncertainties (VLDB 2021)

5. Dynamic Gaussian Mixture based Deep Generative Model For Robust Forecasting on Sparse Multivariate Time Series (AAAI 2021)

6. Deltagrad: Rapid retraining of machine learning models (ICML 2020)

7. PrIU: A provenance-based approach for incrementally updating regression models (SIGMOD 2020)

8. ProvCite: A Provenance-based Citation System (VLDB 2019)

9. Data Citation: Giving Credit where Credit is Due (SIGMOD 2018)

10. Automating data citation in CiteDB (VLDB 2017)