'Ανθρωποι

Η Δρ Γεωργία Κούτρικα έχει εργασθεί ως ανώτερη ερευνήτρια στα HP Labs, Palo Alto, CA, USA (2012-2016). Πρωτύτερα, εργάσθηκε στο IBM Research-Almaden, San Jose, CA, USA (2010-2012) και ως μεταδιδακτορική ερευνήτρια στο Computer Science Dept., Stanford University, USA (2006-2009). Επίσης, εργάστηκε ως επισκέπτης συνεργάτης στα HP Labs, Palo Alto, CA, USA (2007-2009). Έλαβε Πτυχίο Πληροφορικής, Μεταπτυχιακό Δίπλωμα Ειδίκευσης σε Προηγμένα Πληροφοριακά Συστήματα και Διδακτορικό Δίπλωμα στην Επιστήμη των Υπολογιστών από το Πανεπιστήμιο Αθηνών. Οι σπουδές της καθώς και η εκπόνηση της διδακτορικής διατριβής έγιναν με υποτροφίες του Ι.Κ.Υ.

Η έρευνα της Δρ Κούτρικα ανήκει στην ευρύτερη περιοχή των Μεγάλων Δεδομένων και στη τομή των Συστημάτων Βάσεων Δεδομένων, Ανάκτησης Πληροφορίας, Μηχανικής Μάθησης, και Εξόρυξης Δεδομένων, και περιλαμβάνει: (α) εξατομίκευση και συστήματα συστάσεων, (β) μοντελοποίηση χρηστών και ανάλυση δεδομένων χρηστών, (γ) εξαγωγή, ανάλυση και ενσωμάτωση Πληροφοριών μεγάλης κλίμακας, (δ) νέα πρότυπα ερωτήσεων και εξερεύνησης δεδομένων, περιλαμβανόμενης της αναζήτησης με κλειδιά και της επικοινωνίας σε φυσική γλώσσα με βάσεις δεδομένων.

Η δουλειά της έχει ενσωματωθεί σε εμπορικά προϊόντα, έχει αποφέρει 6 καταχωρημένες πατέντες και 20 αρχειοθετήσεις (patent filings), και έχει δημοσιευθεί σε πάνω από 80 άρθρα σε διεθνή συνέδρια και περιοδικά. Επίσης, έχει δύο ACM SIGMOD Best Demo Awards.

Μέλος της ACM και IEEE και ACM SIGMOD Associate Information Director, η Δρ Κούτρικα είναι ενεργό μέλος της επιστημονικής κοινότητας. Έχει υπηρετήσει ως General Co-Chair για το ACM SIGMOD 2016, Industrial Track PC Chair για το EDBT 2016, και Workshop and Tutorial Co-Chair για το IEEE ICDE 2016. Επί του παρόντος, είναι Demo PC co-chair for ACM SIGMOD 2018. Υπηρετεί στις επιτροπές προγράμματος συνεδρίων συμπεριλαμβανόμενων των ACM SIGMOD, PVLDB, ACM SIGKDD, WWW, IEEE ICDE, και EDBT, και έχει διοργανώσει ημερίδες με θέματα την εξατομίκευση, αναζήτηση με κλειδιά και εξερεύνηση δεδομένων σε συνέδρια όπως το ACM SIGMOD και VLDB.