黄铭钧
黄铭钧,新加坡国立大学杰出教授 , 浙江大学长江(客座)讲座教授和清华大学杰出访问教授
、新加坡科学院院士
、ACM
Fellow 、IEEE
Fellow。主要研究兴趣包括数据库系统、区块链及分布式系统、机器学习和大规模分析,研究重点涉及系统架构、性能问题、安全性和准确性,并致力于ABC领域(AI, Big Data, Cloud
Computing)的创新和产业化。
他获得多个奖项, 包括数据库领域的最高奖,
以表彰他在设计和部署大型数据管理和分析系统上的卓越贡献:
2020年获ACM SIGMOD
Edgar F. Codd创新奖 (三位图灵奖获得者也曾获得过该奖项)
2020年获数据库顶级国际会议ACM SIGMOD Research
Highlight 奖
2019年获数据库顶级国际会议VLDB最佳论文奖
2016年入选新加坡科学院(SNAS)院士
2016年获中国计算机学会(CCF) 海外杰出贡献奖
2014年获数据库顶级国际会议VLDB最佳论文奖
2014年获 IEEE TCDE CSEE(Computer Science, Engineering, and Education) 影响奖
2013年获新加坡国立大学杰出研究奖
2012年获 IEEE计算机学会Tsutomo Kanai奖 (一位图灵奖获得者也曾获得过该奖项)
2011年当选 ACM Fellow
2011年获新加坡总统科学奖
2009年获ACM SIGMOD贡献奖
2008年当选 IEEE Fellow
在顶级国际会议如ACM SIGMOD, VLDB, IEEE
ICDE 和杂志如ACM TODS, IEEE TKDE,
VLDB 等发表过200多篇论文,被引用超过 2万4千余次和H指数达到82。他担任过多个CCF A类国际会议的程序委员会主席,包括IEEE
ICDE 2000, 2004, 2006的程序委员会副主席,以及 ACM SIGMOD 2007, VLDB 2008 (core DB
track), IEEE ICDE 2012, IEEE ICDE 2018, VLDB 2019 (Industry),
ACM SoCC 2020 的程序委员会主席。他也担任过CCF A类期刊IEEE
Transactions on Knowledge and Data Engineering(TKDE) 杂志的总编委 (editor-in-Chief)
(2009-2012) 以及大数据研究的国际期刊 Elsevier Journal of Big Data
Research (JDBR) 杂志的创始总编委 (2014-2016),VLDB Journal,
IEEE
Transactions on Cloud Computing 和 Springer Distributed
and Parallel Databases的期刊副编委,ACM SIGMOD Jim Gray最佳论文奖委员会主席,VLDB Endowment 委员会理事主席(2014-2017),以及ACM SIGMOD 顾问委员会委员(2012-2018), 目前是ACM/IMS Transactions
on Data Science (TDS)的创始主编 (2018-),以及Communications of the ACM编委会委员。2017年当选浙江省人工智能发展专家委员会委员,以及在2019年当选苏州工业园区人工智能应用创新专家委员会委员。同时他也是中国计算机学会海外理事。
在2016和2018年的中国计算机大会(CNCC)上,黄铭钧作为特邀嘉宾,为参会者带来企业级区块链和分布式数据库方面的主题报告。
黄铭钧还连续三届参加了国际数据库前沿展望会议(2008年在Claremont,2013年在Beckman,2018年在华盛顿大学 ),与世界顶尖数据库专家共同探讨未来几年数据库发展方向。
黄铭钧一直致力于ABC领域(AI, Big Data, Cloud
Computing)的创新和产业化,对企业级平台开发和系统集成已有二十多年的经验,涉足领域包括端到端大数据分析系统与解决方案、可信账本数据库、智慧城市、智能医疗、金融科技和人工智能服务。Apache SINGA
于
2015 年成为 Apache Software
Foundation 的首个分布式机器学习项目,
于
2019 年毕业成为
Apache 顶级项目 (top level project),
被公认为全球十大机器学习和人工智能系统平台之一。除此之外,他还致力于区块链系统的基准测试和性能问题,尤其是共识模型、执行引擎和存储引擎。2016年,发布了世界首个区块链评测系统BlockBench, 以及于2018年,发布了高性能区块链系统FabricSharp,
并在github开源代码,引起学术界和工业界的广泛关注。