Date : Vendredi 31 janvier 2025
Heure : 12h à 13h, heure de l’Atlantique
Lieu : Université du Nouveau-Brunswick (Saint John), salle à confirmer, et sur Zoom
Cette conférence sera présentée par Dylan Spicker, professeur adjoint au Département de mathématiques et de statistique de l’Université du Nouveau-Brunswick (Saint John). Il s’agit du quatrième événement de la Tournée de science des données au Canada atlantique, une série de séminaires hybrides destinés aux étudiants de premier cycle de niveau supérieur en statistiques ou en informatique. L’animatrice sera Joanna Mills Flemming, professeure au Département de mathématiques et de statistique et doyenne associée des études supérieures et des relations mondiales à l’Université Dalhousie. Joanna est également directrice régionale de l’INCASS Atlantique.
Nous vous invitons à nous rejoindre en personne ou en ligne ! (Nous vous enverrons le lien Zoom lors de votre inscription.)
INSCRIVEZ-VOUS SUR EVENTBRITE (ouverture prochaine)
(En anglais) The collection and analysis of data have become ubiquitous across nearly every domain (including healthcare, social media, and government). Much of the information that is collected, stored, and analyzed is private or sensitive, and as such, there is increasing pressure to ensure that individual privacy is maintained. Failure to do so can have serious consequences for the individuals involved. Unfortunately, privacy researchers have demonstrated that every statistical analysis can inadvertently leak private information unless the analysis is designed to meet rigorous standards of privacy. This is true even when the data have been “anonymized” by removing personal identifiers (such as names, addresses, or social insurance numbers). In this talk, we will explore these privacy pitfalls and outline the work that researchers are doing to overcome them.
Dylan Spicker (ils/eux) est professeur adjoint à l’Université du Nouveau-Brunswick (Saint John).
Ils ont terminé leur doctorat à l’Université de Waterloo à l’été 2022 et leur postdoctorat à l’Université McGill en 2023.
Les recherches de Dylan portent sur les domaines de l’inférence causale, et plus particulièrement sur les méthodologies liées aux régimes de traitement dynamiques. Au cours de leurs études supérieures, leurs recherches ont porté sur l’erreur de mesure et l’inférence causale. En bref, une erreur de mesure se produit chaque fois que nous souhaitons mesurer quelque chose et que nous le faisons mal. Cela se produit dans presque toutes les études menées et signifie malheureusement que les conclusions que nous tirons peuvent ne pas être exactes ; les travaux statistiques sur les erreurs de mesure tentent de corriger cela. L’inférence causale pose des questions de la forme « X cause-t-il Y ? » (Par exemple, « Le tabagisme cause-t-il le cancer du poumon ? » (Oui, c’est le cas.)). Ils ont un vif intérêt à fournir une base théorique pour des méthodes (relativement) simples, qui sont faciles à utiliser pour les non-statisticiens, tout en présentant de bonnes propriétés théoriques prouvables.
Au cours de leur postdoctorat, Dylan a exploré les problèmes liés à la confidentialité et aux régimes de traitement dynamiques, où ils ont cherché à déterminer les moyens de protéger les données personnelles sur la santé d’un individu, tout en glanant les informations utiles que nous recherchons.
En dehors de l’inférence causale et de l’erreur de mesure, Dylan s’intéresse à l’apprentissage automatique, et en particulier à la tentative d’établir une base statistique pour de nouvelles techniques d’apprentissage automatique (y compris les questions liées à l’inférence, à l’interprétabilité et à la sélection de modèles).
Dylan a déjà obtenu un diplôme de premier cycle en finances et en mathématiques à l’Université Queen’s (ils y ont été transférés après avoir terminé leur première année à l’Université de Waterloo/Université Wilfrid Laurier dans le cadre du programme « Double Degree »), et une maîtrise en statistiques à Waterloo.
En dehors de leurs recherches, ils accordent une attention particulière aux sports, principalement au hockey (et à la façon dont les statistiques y sont, ou devraient y être appliquées), jouent de la musique (sans aucun lien avec les statistiques) et aiment les jeux de société/vidéo (avec divers degrés de pertinence statistique). Ils ont un chat (Charles) qui est merveilleux.