58
个编辑
更改
跳到导航
跳到搜索
第18行：
第18行： − + − 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。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。+ + +
→基本信息
| 主要研究方向 || 因果性与反事实推断，及其在健康与社会科学领域的应用
| 主要研究方向 || 因果性与反事实推断，及其在健康与社会科学领域的应用
|-
|-
| 获奖经历 || 2016年IEEE智能系统“人工智能10大新星”
| 获奖经历 || 2016年IEEE智能系统“人工智能十大新星”
|-
|-
| 个人主页 || https://causalai.net/
| 个人主页 || https://causalai.net/
|}
|}
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。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。
他于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。