Rencontrez les professeurs participants au Programme de supervision collaborative de l’INCASS cette année

Sumeet Kalia est professeur adjoint au Département de statistique de l’Université du Manitoba. Ses recherches portent sur le développement de nouvelles méthodes biostatistiques pour l’épidémiologie et la recherche sur les services de santé. Il travaillera aux côtés de Mohammad Jafari Jozani, professeur au même département, pour codiriger un doctorant (Ali Karoobi) sur le projet intitulé « Inférence causale en haute dimension avec échantillonnage de type case-base à l’aide de méthodes d’apprentissage automatique ». Le projet visera à répondre à deux questions : 1. Dans quelle mesure l’échantillonnage de type case-base peut-il améliorer l’efficacité de l’estimation des effets causaux dans des contextes en temps continu avec des covariables de grande dimension? 2. L’intégration de méthodes d’apprentissage automatique non paramétriques (p. ex. les machines à vecteurs de support) améliore-t-elle l’estimation des effets causaux — mesurée par le biais et la variance en échantillon fini — par rapport à des modèles de référence tels que le modèle des risques proportionnels de Cox?

Théo Michelot, professeur adjoint au Département de mathématiques et de statistique de l’Université Dalhousie, s’intéresse à la statistique écologique, aux modèles statistiques du mouvement animal, aux processus stochastiques et à l’analyse de séries temporelles. Il codirigera un doctorant (Joseph Barss) travaillant sur le projet « Modélisation spatiotemporelle multivariée de populations animales en interaction » aux côtés de Joanna Mills Flemming, professeure au même département. Ce projet s’appuiera sur des méthodes hiérarchiques (à effets mixtes) afin de développer des modèles conjoints d’évaluation des stocks pour plusieurs espèces en interaction, à partir de relevés par chalutage menés par Pêches et Océans Canada (MPO), qui produisent de vastes ensembles de données de comptages ou de biomasse de différentes espèces dans l’espace et le temps.

Dingke Tang est professeur adjoint au Département de mathématiques et de statistique de l’Université d’Ottawa. Ses intérêts de recherche incluent l’inférence causale, la statistique robuste et les grands modèles de langage. Il codirigera un doctorant (à déterminer) aux côtés de David Haziza, professeur au même département. L’étudiant travaillera sur un projet intitulé « Méthodes d’inférence causale améliorées exploitant des données riches issues de l’échantillonnage d’enquêtes », visant à développer un cadre unifié qui combine la théorie de l’échantillonnage d’enquêtes et les techniques modernes d’inférence causale afin d’améliorer la fiabilité et l’interprétabilité de l’estimation des effets de traitement à partir de sources de données populationnelles.

Qinglong Tian est professeur adjoint au Département de statistique et de sciences actuarielles de l’Université de Waterloo. Ses recherches actuelles portent sur l’apprentissage par transfert, en particulier sur les défis liés aux changements de distribution, à la détection hors distribution et au bruit d’étiquetage. Il aborde ces problématiques à l’aide de modèles de mélanges et de rapports de densité. Il codirigera un doctorant (Edward Chang) aux côtés de Pengfei Li, professeur au même département. Leur étudiant travaillera sur le projet « Analyse des courbes ROC et combinaison optimale de biomarqueurs dans un cadre positif–non étiqueté ». Ce projet s’attaquera aux défis liés à l’utilisation de biomarqueurs pour identifier des sujets malades dans des études cas-témoins contaminées, lorsque le groupe des cas contient des individus malades, mais que le groupe témoin peut également inclure des individus non diagnostiqués.

Owen Ward est professeur adjoint au Département de statistique et de sciences actuarielles de l’Université Simon Fraser. Ses domaines d’intérêt comprennent les modèles statistiques et d’apprentissage automatique pour les données de réseaux, le calcul statistique et la statistique bayésienne. Sa codirectrice sera Joan Hu, professeure au même département. Leur doctorant (Albert Shen) travaillera sur le projet « Modélisation des dynamiques du monde réel à l’aide de modèles de processus ponctuels temporels », dont l’objectif est de développer de nouvelles méthodes statistiques pour inférer la structure latente complexe présente dans de vastes données d’événements récurrents, telles que les communications électroniques, les dossiers de santé électroniques et les transactions financières, ainsi que des outils de calcul et des résultats théoriques associés à ces méthodes.