<div dir="ltr">Hi everyone!<br><div><br></div><div>Join us tomorrow for a talk from Dr. Hernisa Kacorri from University of Maryland, College Park!</div><div><br></div><div>Date: Thursday, November 14, 2019<br>Time: 12:00PM- 1:00PM<br></div><div>Room: NSH 1109</div><div><br></div><div><b>Also, Dr. Kacorri has time to meet tomorrow afternoon after the talk. If you would like to meet with her, please let me know and I will schedule it!</b></div><div><br></div><div>Title: Teachable Machines in Accessibility</div><div>Abstract: How can accessibility research leverage advances in machine learning and artificial intelligence with limited data? We argue that teachable machines can empower accessibility research.  By explicitly providing a few pertinent training examples, we can enable individuals with disabilities to attune machine learning systems to their idiosyncratic characteristics and environment. We demonstrate this concept with a concrete example: teachable object recognizers trained by and for blind users. Further, we discuss open challenges in designing and building teachable machines: perception of machine training by non-experts and inaccessibility of the labeling process.</div><div><br></div><div><div><img src="cid:ii_k2xzmvcx0" alt="image.png" width="189" height="151"><br></div></div><div><br></div><div>About the speaker: Hernisa Kacorri is an Assistant Professor in the College of Information Studies and holds an affiliate appointment in the Computer Science and the Human-Computer Interaction Lab at University of Maryland, College Park. She received her Ph.D. in Computer Science in 2016 from The Graduate Center at City University of New York, and has conducted research at National and Kapodistrian University of Athens, IBM Research-Tokyo, Lawrence Berkeley National Lab, and Carnegie Mellon University. Her research focuses on data-driven technologies that address human challenges, faced due to health or disability, with an emphasis on rigorous, user-based experimental methodologies to assess impact. Hernisa is a recipient of a Mina Rees Dissertation Fellowship in the Sciences, an ACM ASSETS best paper finalist and a best paper award, and a CHI honorable mention. She has been recognized by the Rising Stars in EECS program of CMU/MIT. Her work is supported by NSF and NIDILRR.</div><div><br></div></div>