更改

跳到导航 跳到搜索
添加450字节 、 2022年6月13日 (一) 21:18
无编辑摘要
第1行: 第1行:  
== 基本信息 ==
 
== 基本信息 ==
[[文件:Elias Bareinboim.jpg|450px|缩略图|左|Elias Bareinboim]]
+
[[文件:Elias Bareinboim.jpg|317x317px|缩略图|左|Elias Bareinboim]]
 
{| class="wikitable"
 
{| class="wikitable"
 
|-
 
|-
第21行: 第21行:  
|-
 
|-
 
| 个人主页 || https://causalai.net/
 
| 个人主页 || https://causalai.net/
 +
|-
 +
|联系邮箱
 +
|[[Mailto:eb@cs.columbia.edu|eb@cs.columbia.edu]]
 +
|-
 +
|个人cv
 +
|chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/<nowiki>https://causalai.net/cv-bareinboim.pdf</nowiki>
 
|}
 
|}
   −
埃利亚斯·巴伦博伊姆是哥伦比亚大学计算机系副教授、因果人工智能实验室主任。他曾在加利福尼亚大学洛杉矶分校获得计算机科学博士学位,导师为朱迪亚·珀尔教授。他的研究兴趣包括人工智能、机器学习、统计学、机器人科学、认知科学和科学哲学。
+
Bareinboim是哥伦比亚大学计算机系副教授、因果人工智能实验室主任。他曾在加利福尼亚大学洛杉矶分校获得计算机科学博士学位,导师为朱迪亚·珀尔教授。他的研究兴趣包括人工智能、机器学习、统计学、机器人科学、认知科学和科学哲学。
    
== 获奖经历 ==
 
== 获奖经历 ==
埃利亚斯·巴伦博伊姆于2016年被 IEEE 评为“人工智能十大新星”之一,并获得 NSF CAREER Award、ONR Young Investigator Award、Dan David Prize Scholarship、AAAI 2014优秀论文奖和UAI 2019最佳论文奖。
+
Bareinboim于2016年被 IEEE 评为“人工智能十大新星”之一,并获得 NSF CAREER Award、ONR Young Investigator Award、Dan David Prize Scholarship、AAAI 2014优秀论文奖和UAI 2019最佳论文奖。
    
== 主要文章及著作 ==
 
== 主要文章及著作 ==
他的研究主要关注因果推断和其在健康与社会科学、人工智能、机器学习方向的应用。他的研究特别关注如何在异构和有偏的数据中得出稳健、可泛化的因果和反事实结论,这其中包括了混淆偏差、选择偏差和可迁移性问题。他的工作为数据融合问题提出了第一个通用解决方案,可以组合在不同实验条件、不同偏差下生成的数据集。
+
Bareinboim的研究主要关注因果推断和其在健康与社会科学、人工智能、机器学习方向的应用。他的研究特别关注如何在异构和有偏的数据中得出稳健、可泛化的因果和反事实结论,这其中包括了混淆偏差、选择偏差和可迁移性问题。他的工作为数据融合问题提出了第一个通用解决方案,为组合在不同实验条件下生成并受到各种偏差困扰的数据集提供了实用的方法。最近,Bareinboim 一直在探索因果推理与决策(包括强化学习)和可解释性(包括公平性分析)的交叉点。 Bareinboim 获得了博士学位。来自加州大学洛杉矶分校,在那里他得到了 Judea Pearl 的建议。
    
=== 2021 ===
 
=== 2021 ===

导航菜单