Cynthia Rudin - Cynthia Rudin
Cynthia Diane Rudin (født 1976) er en amerikansk datavitenskapsmann og statistiker som spesialiserer seg på maskinlæring og kjent for sitt arbeid med tolkbar maskinlæring . Hun er direktør for Prediction Analysis Lab ved Duke University , hvor hun er professor i informatikk, elektroteknikk og datateknikk, statistikk og biostatistikk og bioinformatikk. I 2021 vant hun Squirrel AI Award for Artificial Intelligence for the Benefit of Humanity fra Association for the Advancement of Artificial Intelligence (AAAI), noen ganger referert til som en "Nobelpris i AI", for sitt arbeid med viktigheten av åpenhet for AI-systemer i høyrisikodomener.
Utdanning og karriere
Rudin tok summa cum laude fra University i Buffalo med dobbel hovedfag i matematisk fysikk og musikkteori i 1999. Hun fullførte sin doktorgrad. i anvendt og beregningsmatematikk ved Princeton University i 2004. Avhandlingen hennes - med tittelen Boosting, Margins, and Dynamics - ble veiledet av Ingrid Daubechies og Robert Schapire .
Etter stillinger som postdoktor ved New York University og assosiert forsker ved Columbia University , tok hun en fakultetsstilling ved MIT Sloan School of Management i 2009, og flyttet deretter til Duke University i 2016.
Hun har fungert som styreleder for Data Mining Section of INFORMS og i Statistical Learning and Data Science Section i American Statistical Association . Hun tjenestegjorde i ISATs fakultetsråd for DARPA, var rådmann for AAAI og medlem av Bureau of Justice Assistance Criminal Justice Technology Forecasting Group (BJA CJTFG). Hun fungerer for tiden i eksekutivkomiteens medlem for ACM SIGKDD, og er medlem av både Committee on Applied and Theoretical Statistics (CATS) og Committee on Law and Justice (CLAJ) fra National Academies of Sciences, Engineering and Medicine. Hun er assosiert redaktør for Management Science, Harvard Data Science Review og Journal of Quantitative Criminology.
Utmerkelser og æresbevisninger
I 2019 ble Rudin valgt som stipendiat i American Statistical Association og Institute of Mathematical Statistics "for sine bidrag til tolkbare algoritmer for maskinlæring, prediksjon i store medisinske databaser og teoretiske egenskaper ved rangeringsalgoritmer".
Hun mottok 2013 INFORMS Innovative Applications in Analytics Award for arbeidet med pålitelighet av strømnettet, INFORMS Innovative Applications in Analytics Award 2016 for arbeid med tolkbare maskinlæringsmodeller for vurdering av kognitiv tilbakegang, og INFORMS Innovative Applications in Analytics Award i 2019 for arbeid med tolkbare modeller for maskinlæring for prediksjon av anfall hos kritisk syke pasienter, noe som fører til 2HELPS2B -poengsummen som ble brukt på intensivavdelinger.
Rudin var medvinner av Manufacturing and Service Operations Management Best Operations Management paper in Operations Research Award fra INFORMS i 2021.
Rudin var en vinner av FICO Recognition Award for Explainable Machine Learning Challenge i 2018.
Rudin var finalist for 2017 Daniel H. Wagner -prisen for dyktighet i driftsforskning i 2017.
Rudin ble kåret av Businessinsider.com til en av de 12 mest imponerende professorene ved MIT i 2015.
Rudin har holdt hovedforedrag på KDD (2014 og 2019), AISTATS
Arbeid
Fra 2007 var Rudin hovedforsker på et samarbeidsprosjekt mellom Columbia University og Con Edison for å bruke maskinlæring for å opprettholde New York Citys sekundære elektriske distribusjonsnettverk ved hjelp av maskinlæring. Dette prosjektet ble tildelt 2013 INFORMS Innovative Applications in Analytics Award.
Sammen med studenten Tong Wang og detektiver fra Cambridge Police Department, Cambridge MA, utviklet Rudin Series Finder -algoritmen for kriminalitetsserier. Series Finder ble innebygd i Patternizr -algoritmen som ble brukt av NYPD for å oppdage kriminalitetsmønstre begått av samme person (er).
Rudins arbeid med scoringssystemer med tidligere student Berk Ustun ble brukt til å utvikle medisinske scoringssystemer for søvnapné -screening og diagnose, forutsigelse av anfall hos ICU -pasienter, for ADHD -screening hos voksne og for påvisning av kognitiv tilbakegang ved bruk av håndskriftanalyse (Clock Drawing test). Dette arbeidet tjente INFORMS Innovative Applications in Analytics Award 2016 og 2019, og var finalist for Wagner -prisen.
På Duke trente Rudin to lag med studenter som vant NTIRE Single Image Superresolution Competition (Track 1, classic bicubic), og PoeTix Literary Turing Competition 2018.
Rudin er kjent for sitt arbeid som kritiserer black box-modeller i strafferettssystemet og for beslutninger med høy innsats, med den begrunnelse at tolkbare modeller kan konstrueres som er like nøyaktige. Hennes arbeid "Stop Explaining Black Box Machine Learning Models for High Stakes Beslutninger og bruk tolkbare modeller i stedet", Nature Machine Intelligence, 2019, skisserer flere andre årsaker. Hun har ledet flere anstrengelser for å oppmuntre til arbeid med samfunnsgode applikasjoner innen maskinlæring, inkludert redigering av spesialutgaven om maskinlæring for vitenskap og samfunn i tidsskriftet Machine Learning, og organisering av American Statistical Association's report "Discovery with Data: Leveraging Statistics with Computer Vitenskap for å transformere vitenskap og samfunn. "
I sin utdannelse ved Princeton, beviste Rudin konvergensegenskaper for å øke algoritmer. Doktorgradsavhandlingen hennes svarte på et godt studert spørsmål om AdaBoost maksimerer L1-marginen, som er en type avstand mellom en beslutningsgrense og dataobservasjonen nærmest den.
