<div dir="ltr"><div dir="ltr">*****************************************************************************************<br>* The 8th International Workshop on Parallel and Distributed Computing for<br>* Large-Scale Machine Learning and Big Data Analytics (ParLearning 2019)<br>* <a href="https://parlearning.github.io">https://parlearning.github.io</a><br>* August 5, 2019<br>* Anchorage, Alaska, USA<br>* <br>* Co-located with<br>* The 25th ACM SIGKDD International Conference on <br>* Knowledge Discovery and Data Mining (KDD 2019)<br>* <a href="https://www.kdd.org/kdd2019/">https://www.kdd.org/kdd2019/</a><br>* August 4 - August 8, 2019<br>* Dena’ina Convention Center and William Egan Convention Center<br>* Anchorage, Alaska, USA<br>*****************************************************************************************<br><br>Call for Papers<br><br>Scaling
 up machine-learning (ML), data mining (DM) and reasoning algorithms 
from Artificial Intelligence (AI) for massive datasets is a major 
technical challenge in the time of "Big Data". The past ten years have 
seen the rise of multi-core and GPU based computing. In parallel and 
distributed computing, several frameworks such as OpenMP, OpenCL, and 
Spark continue to facilitate scaling up ML/DM/AI algorithms using higher
 levels of abstraction. We invite novel works that advance the 
trio-fields of ML/DM/AI through development of scalable algorithms or 
computing frameworks. Ideal submissions should describe methods for 
scaling up X using Y on Z, where potential choices for X, Y and Z are 
provided below.<br><br>Scaling up<br><br>o Recommender systems<br>o Optimization algorithms (gradient descent, Newton methods)<br>o Deep learning<br>o Distributed algorithms and AI for Blockchain<br>o Clustering (agglomerative techniques, graph clustering, clustering heterogeneous data)<br>o Probabilistic inference (Bayesian networks)<br>o Graph algorithms, graph mining and knowledge graphs<br>o Graph neural networks<br>o Autoencoders and variational autoencoders<br>o Generative adversarial networks<br>o Generative models<br>o Deep reinforcement learning<br><br>Using<br><br>o Parallel architectures/frameworks (OpenMP, CUDA etc.)<br>o Distributed systems/frameworks (MPI, Spark, etc.)<br>o Machine learning frameworks (TensorFlow, PyTorch etc.)<br><br>On<br><br>o Various infrastructures, such as cloud, commodity clusters, GPUs, and emerging AI chips.<br><br>Workshop Proceedings<br><br>Accepted papers will be published in the conference proceedings by ACM and also appear in the ACM Digital Library.<br><br>Awards<br><br>Best
 Paper Award: The program committee will nominate a paper for the Best 
Paper award. In past years, the Best Paper award included a cash prize. 
Stay tuned for this year!<br>Travel Awards: Students with accepted 
papers have a chance to apply for a travel award. Please find details on
 the ACM KDD 2019 web page.<br><br>Important Dates<br><br>o Paper submission: May 5, 2019 (Anywhere on Earth)<br>o Author notification: June 1, 2019<br>o Camera-ready version: June 8, 2019<br><br>Paper Guidelines<br><br>All
 submissions are limited to a total of 6 pages, including all content 
and references, and must be in PDF format and formatted according to the
 new Standard ACM Conference Proceedings Template. Additional 
information about formatting and style files is available online at: 
<a href="https://www.acm.org/publications/proceedings-template">https://www.acm.org/publications/proceedings-template</a>. Papers that do 
not meet the formatting requirements will be rejected without review.<br><br>All submissions must be uploaded electronically at <a href="https://www.easychair.org/conferences/?conf=parlearning2019">https://www.easychair.org/conferences/?conf=parlearning2019</a>.<br><br>Special Issue<br><br>We
 are planning to publish a special issue of a journal, consisting of the
 best papers of ParLearning 2019. We are about to publish a special 
issue of the Springer journal Future Generation Computer Systems, 
containing the selected papers of ParLearning 2017.<br><br>Keynote Speakers<br><br>o Professor V.S. Subrahmanian (Dartmouth College, Hanover, NH, USA)<br>o Dr. Lifeng Nai (Google, Mountain View, CA, USA)<br><br>Organizing Committee<br><br>o
 General Chairs: Arindam Pal (TCS Research and Innovation, Kolkata, 
India) and Henri Bal (Vrije Universiteit, Amsterdam, Netherlands)<br>o Program Chairs: Azalia Mirhoseini (Google AI, Mountain View, CA, USA), Thomas Parnell (IBM Research, Zurich, Switzerland)<br>o Publicity Chair: Anand Panangadan (California State University, Fullerton, USA)<br>o
 Steering Committee Chairs: Sutanay Choudhury (Pacific Northwest 
National Laboratory, Richland, WA, USA) and Yinglong Xia (Huawei 
Research America, Santa Clara, CA, USA)<br><br>Technical Program Committee<br><br>o Vito Giovanni Castellana, PNNL, USA<br>o Daniel Gerardo Chavarria, PNNL, USA<br>o Jianting Zhang, City College of New York, USA<br>o Farinaz Koushanfar, UCSD, USA<br>o Erich Elsen, Google Brain, USA<br>o Kazuaki Ishizaki, IBM Research, Tokyo, Japan<br>o Zhihui Du, Tsinghua University, China<br>o Anand Eldawy, University of Minnesota, USA<br>o Carson Leung, University of Manitoba, Canada<br>o Lingfei Wu, IBM Watson Research Center, USA<br>o Ananth Kalyanaraman, Washington State University, Pullman, USA<br>o Animesh Mukherjee, IIT Kharagpur, India<br>o Arnab Bhattacharya, IIT Kanpur, India<br>o Dinesh Garg, IBM Research, India<br>o Francesco Parisi, University of Calabria, Italy<br>o Himadri Sekhar Paul, TCS Research and Innovation, India<br>o Kripabandhu Ghosh, IIT Kanpur, India<br>o Mayank Singh, IIT Gandhinagar, India<br>o Nirmalya Roy, University of Maryland, Baltimore County, USA<br>o Partha Basuchowdhuri, Heritage Institute of Technology, Kolkata, India<br>o Sanjukta Bhowmick, University of North Texas, USA<br>o Saptarshi Ghosh, IIT Kharagpur, India<br>o Saurabh Paul, Kohl's, USA<br>o Sourangshu Bhattacharya, IIT Kharagpur, India<br>o Tanmoy Chakraborty, IIIT Delhi, India<br><br>Past Workshops<br><br>The
 first 7 editions of ParLearning were organized in conjunction with the 
International Parallel and Distributed Processing Symposium (IPDPS). The
 details of the past workshops can be found on the website 
<a href="http://parlearning.ecs.fullerton.edu">http://parlearning.ecs.fullerton.edu</a>. From 2019, the organizers have 
decided to conduct it with KDD.</div><div dir="ltr"><br clear="all"><div><div dir="ltr" class="gmail_signature"><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"><div>Regards,<br>Arindam Pal, Ph.D.<br>Research Scientist<br>TCS Research and Innovation<br><a href="http://www.cse.iitd.ac.in/~arindamp/" target="_blank">http://www.cse.iitd.ac.in/~arindamp/</a></div></div></div></div></div></div></div></div></div></div>