Dr. Jurian Baas is een computerwetenschapper met een grote interesse in het snijvlak van machine learning, data mining en theoretische computerwetenschappen. Momenteel is hij werkzaam als wetenschappelijk programmeur bij de Hogeschool van Amsterdam als onderdeel van het door NWO gefinancierde LESSEN-project, waar hij academisch onderzoek integreert in prototypes voor real-world toepassingen in conversationele AI. Zijn werk legt de nadruk op neurale architecturen, domeinadaptatie en het aanpakken van privacy-uitdagingen, wat zijn toewijding aan het bevorderen van veilige en ethische AI-systemen in de Nederlandse onderzoeksgemeenschap weerspiegelt.

Jurian heeft een doctoraat van de Universiteit Utrecht, waar zijn onderzoek zich richtte op op embedding gebaseerde entiteitsresolutie in kennisgrafieken. Zijn methoden zorgden voor effectieve disambiguatie van historische gegevens, een belangrijke ontwikkeling voor projecten zoals het Golden Agents-initiatief, dat 16e- en 17e-eeuwse Amsterdamse archiefstukken onderzocht. Zijn academische bijdragen omvatten publicaties op gebieden zoals grafiek-embeddings, entiteitsmatching en digitale geesteswetenschappen, waarbij zijn expertise in het combineren van symbolische en subsymbolische kennis in complexe data-omgevingen wordt benadrukt.

Jurian is bekwaam in een breed scala aan programmeertalen en analytische tools die essentieel zijn voor geavanceerde data science en machine learning-toepassingen. Zijn expertise omvat talen zoals Java, Python, R en C++, samen met vaardigheden in databasebeheer met behulp van SPARQL en SQL. In de ontwikkeling is hij bedreven in omgevingen zoals Eclipse, Visual Studio, IntelliJ IDEA en RStudio. Zijn analytische toolkit omvat regressieanalyse, classificatie, clustering en anomaliedetectietechnieken, en hij past gespecialiseerde algoritmen toe zoals support vector machines, neurale netwerken en regressiebomen om complexe problemen in diverse datasets op te lossen.