Fragkiskos Malliaros, PhD

Fragkiskos Malliaros est maître de conférences (HDR) à CentraleSupélec, Université Paris-Saclay, travaillant au sein du Centre de Calcul Visuel et de l’équipe OPIS d’Inria Saclay. Ses intérêts de recherche couvrent un large éventail de domaines en science des données, avec un accent particulier sur l’exploration de graphes, l’analyse de réseaux sociaux, l’apprentissage machine learning et le natural language processing. Plus récemment, ses travaux portent sur le développement de techniques d’intégration de données multiomiques basées sur des réseaux et des approches d’apprentissage automatique sur graphes pour le repositionnement de médicaments.

• Siteweb de l’équipe

Précédemment, Fragkiskos Malliaros a passé une année enrichissante en tant que chercheur postdoctoral en science des données (data science) au Département d’informatique et d’ingénierie (Department of Computer Science and Engineering) de l’UC San Diego, où il faisait partie du groupe d’intelligence artificielle (Artificial Intelligence). Il était également affilié au Centre de théorie de l’information et d’applications (ITA) et à l’Institut Qualcomm . Entre octobre 2015 et septembre 2016, il a été chercheur postdoctoral dans le groupe Data Science and Mining (DaSciM) du Laboratoire d’informatique (LIX) de l’École Polytechnique à Paris, France, où il a également obtenu son doctorat (septembre 2015), sous la direction du Prof. Michalis Vazirgiannis. Il a obtenu à la fois son diplôme et son master en informatique et génie informatique du Département d’ingénierie informatique (Computer Engineering and Informatics Department) et d’informatique de l’Université de Patras (University of Patras), en Grèce, respectivement en 2009 et 2011 ; où il a eu la chance de travailler avec le Prof. Vasileios Megalooikonomou. Pendant l’été 2014, il a été stagiaire de recherche au Palo Alto Research Center (PARC) à Palo Alto, Californie. Il a également reçu la bourse doctorale Google Europe 2012 en exploration de graphes (2012 Google Europe Doctoral Fellowship in Graph Mining)et le Prix de thèse 2015 de l’École Polytechnique.

• Bibliography
• Researchgate
• ORCID
• Linkedin

Main publications:

• Multiple Kernel Representation Learning on Networks, IEEE Transactions on Knowledge and Data Engineering, 2022.
• GraphSVX: Shapley Value Explanations for Graph Neural Networks, European conference on machine learning, 2021.
• Topic-Aware Latent Models for Representation Learning on Networks. Pattern Recognition Letters, 2021.
• Multiomics Data Integration for Gene Regulatory Network Inference with Exponential Family Embeddings. European Signal Processing Conference (EUSIPCO), 2021.
• Multi-task Learning for Influence Estimation and Maximization, IEEE Transactions on Knowledge and Data Engineering, 2021.