Ingeniero electrónico y de computación, Ph.D. de la Universidad de Delaware, Newark, DE. Elkin tiene experiencia en algoritmos, programación en paralelo, optimización de energía, modelaje y simulación, multi-threaded languages, aprendizaje de máquinas y reconocimiento de patrones.Actualmente se desempeña como Principal Firmware Systems Architect en Synaptics Inc., San Jose, CA.

Investigador del Centro Harvard-Smithsonian de Astrofísica - Sistema de Datos del Centro de Rayos X del Observatorio Chandra de la NASA. Doctor en Astronomía de la Universidad de Leiden, Países Bajos. Sus investigaciones se enfocan en el estudio de ondas producidas por la formación de estrellas en galaxias, así como el uso de diferentes metodologías de machine learning para la exploración de grandes bases de datos astronómicas, específicamente con el objetivo de encontrar transientes astrofísicos tales como rayos-X binarios o cascada de disrupción de eventos. Antes de unirse al CXC, el fue un investigador postdoctoral en el centro de astrofísica y profesor en el Instituto de Ciencias de la Computación Aplicada de la Universidad de Harvard, donde dicto cursos relacionados con optimización estocástica y Machine Learning.

Juan F. Pérez es Profesional Distinguido en el Departamento de Ingeniería Industrial, Universidad de los Andes, Colombia. Juan obtuvo su grado de PhD en Ciencias de la Computación de la University of Antwerp, Bélgica, en 2010. Tiene un pregrado y maestría en Ingeniería Industrial de la Universidad de los Andes, Colombia, 2006. Juan fue Investigador postdoctoral en análisis de desempeño en Imperial College London, UK, Department of Computing, y en modelamiento estocástico en la University of Melbourne, Australia, School of Mathematics and Statistics. Juan lideró la creación de la Escuela de Ingeniería, Ciencia y Tecnología de la Universidad del Rosario, Colombia, y contribuyó a la creación del programa de Matemáticas Aplicadas y Ciencias de la Computación. Sus intereses se centran en el análisis de datos para la toma de decisiones, el análisis de desempeño de sistemas de computadores, especialmente en aplicaciones de software intensivas en datos empleadas para ejecutar trabajos de aprendizaje de máquina de gran escala, computación en clusters y en la nube.

Ingeniero Electrónico de la universidad de los Andes y estudiante de maestría en Ingeniería Electrónica y de Computadores de la misma institución. Sus áreas de investigación se centran en: Machine Learning, Visión por Computador y en el diseño de Sistemas Electrónicos Digitales. Con experiencia en la implementación de modelos de inteligencia artificial sobre plataformas embebidas.

Ingeniero Electrónico e Ingeniero Mecánico de la Universidad de los Andes y estudiante de maestría en ingeniería electrónica y de computadores de la misma universidad. Tiene experiencia implementando algoritmos de machine learning en sistemas embebidos aplicados a problemas en energías renovables.

Ingeniero Electrónico, Ingeniero Eléctrico, y Magíster en Ingeniería Electrónica y de Computadores de la Universidad de los Andes. Actualmente se desempeña como instructor del Departamento de Ingeniería Eléctrica y Electrónica de la Universidad de los Andes. Sus áreas de investigación incluyen machine learning, robótica, e implementaciones en sistemas embebidos.

Doctor de La Universidad Autónoma De Barcelona, España. Actualmente se desempeña como profesor asociado del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de los Andes. Sus líneas de investigación están enfocadas en el uso de sistemas embebidos e Inteligencia Artificial para resolver problemas con impacto social.

Rafael E. Carrillo received the B.S. and the M.S. degrees (with honors) in electronics engineering from the Pontificia Universidad Javeriana, Bogotá, Colombia, in 2003 and 2006, respectively, and the Ph.D. degree in electrical engineering from the University of Delaware, Newark, in 2011. From 2003 to 2006, he was a lecturer at the Pontificia Universidad Javeriana, and from 2006 to 2011, a research assistant at the University of Delaware. From 2011 to 2016, he was a postdoctoral researcher in the Signal Processing Laboratory (LTS5) at École Polytechnique Fédérale de Lausanne (EPFL), Lausanne, Switzerland. Since 2016 he is a Senior R&D Engineer at the Centre Suisse d’Electronique et de Microtechnique (CSEM), Neuchâtel, Switzerland. His research interests include signal processing, mathematical inverse problems, optimization and machine learning, and their application to develop smarter energy solutions.

Miguel Navarro received his B.S. in Electronics Engineering in 2008 and M.S. in Systems and Computing Engineering, first place in his graduation class in 2010, from Universidad de los Andes. He received his Ph.D. degree in Computer Science from Purdue University West Lafayette, USA, in 2016. In the same year, he received the Gersting Graduate Student Award for outstanding graduating student in Computer and Information Science. He joined Pure Storage in 2016 and he is currently a Senior Member of Technical Staff. At Pure Storage he has worked in multiple areas of software engineering for flash-based storage arrays, including high-availability and high-scale storage subsystems, high-performance nonvolatile data persistent services, data protection and replication services, high-performance adaptive metadata subsystems, and high-scale storage protocols.