Rohit Babbar

Apulaisprofessori, Professorship Babbar R.
Apulaisprofessori, Computer Science Professors
Apulaisprofessori, Computer Science - Artificial Intelligence and Machine Learning (AIML)
Apulaisprofessori, Tietotekniikan laitos

https://orcid.org/0000-0002-3787-8971

Puhelin+358 50 5122646

Aalto SCI Computer Science Konemiehentie 2

Tutkimustuotoksia vuodessa

Jos olet muokannut tietoja Puressa, ne näkyvät pian tässä.

Henkilökohtainen profiili

Tutkimusalue

I am an Assistant Professor at the department of Computer Science, Aalto University in Finland. Along with my research group, we work on problems in large scale machine learning particularly encountered in extreme classification with large output spaces, and robustness

Sormenjälki

Sukella tutkimusaiheisiin, joissa Rohit Babbar on aktiivinen. Nämä aihemerkinnät ovat peräisin tämän henkilön teoksista. Yhdessä ne muodostavat ainutlaatuisen sormenjäljen.

6 Samanlaiset profiilit

5 Conference contribution
5 Article
3 Konferenssiesitys
2 Working paper

Bonsai - Diverse and Shallow Trees for Extreme Multi-label Classification
Khandagale, S., Xiao, H. & Babbar, R., 23 elokuuta 2020, julkaisussa: Machine Learning.
Tutkimustuotos: Lehtiartikkeli › Article › Scientific › vertaisarvioitu

Open access
Tiedosto
50 Lataukset (Pure)
Distributed Inference Acceleration with Adaptive DNN Partitioning and Offloading
Mohammed, T., Joe-Wong, C., Babbar, R. & Francesco, M. D., heinäkuuta 2020, INFOCOM 2020 - IEEE Conference on Computer Communications. IEEE, s. 854-863 10 Sivumäärä 9155237. (Proceedings - IEEE INFOCOM; Vuosikerta 2020-July).
Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussa › Conference contribution › Scientific › vertaisarvioitu

Open access
Tiedosto
2 Sitaatiot (Scopus)

281 Lataukset (Pure)
Neural Architecture Search for Extreme Multi-label Text Classification
Pauletto, L., Amini, M-R., Babbar, R. & Winckler, N., 2020, International Conference on Neural Information Processing: ICONIP 2020: Neural Information Processing . s. 282-293 12 Sivumäärä (Lecture Notes in Computer Science; Vuosikerta 12534).
Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussa › Conference contribution › Scientific › vertaisarvioitu

Open access
Unbiased Loss Functions for Extreme Classification With Missing Labels
Schultheis, E., Mohammadnia Qaraei, M., Gupta, P. & Babbar, R., 1 heinäkuuta 2020.
Tutkimustuotos: Työpaperi › Working paper › Scientific

Tiedosto

11 Lataukset (Pure)
Why state-of-the-art deep learning barely works as good as a linear classifier in extreme multi-label text classification
Mohammadnia Qaraei, M., Khandagale, S. & Babbar, R., 2020, ESANN 2020 - Proceedings, 28th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. s. 223-228 6 Sivumäärä
Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussa › Conference contribution › Scientific › vertaisarvioitu

1 Työpajan, paneelin, session tai tutoriaalin järjestäminen
1 Participant of a conference, workshop, session or tutorial

Dagstuhl Seminar
Rohit Babbar (Member)
15 heinäkuuta 2018 → 20 heinäkuuta 2018
Aktiviteetti: Participant of a conference, workshop, session or tutorial
Tutorial on Extreme Classification for Information Retrieval
Rohit Babbar (Member)
26 huhtikuuta 2018
Aktiviteetti: Työpajan, paneelin, session tai tutoriaalin järjestäminen

Tutkimusalue

Bonsai - Diverse and Shallow Trees for Extreme Multi-label Classification

Distributed Inference Acceleration with Adaptive DNN Partitioning and Offloading

Neural Architecture Search for Extreme Multi-label Text Classification

Unbiased Loss Functions for Extreme Classification With Missing Labels

Why state-of-the-art deep learning barely works as good as a linear classifier in extreme multi-label text classification

Dagstuhl Seminar

Tutorial on Extreme Classification for Information Retrieval