
Histoires post-universitaires
Ruixuan Zhao s’engagera dans la découverte de modèles de causalité dans les données liées à des réseaux par le biais de réseaux bayésiens.
En tant que boursière postdoctorale en sciences statistiques de l’INCASS Ontario 2025, Ruixuan Zhao participera à un programme complet qui comprend l’enseignement, la collaboration interdisciplinaire ou appliquée, le développement professionnel et un projet de recherche qui vise à développer de nouvelles méthodologies d’inférence causale pour les données liées à des réseaux, en répondant à des défis spécifiques dans les applications de santé environnementale. Elle travaillera sous la supervision du professeur Linbo Wang (Université de Toronto) et du professeur Guowen Huang (Université Western).
Programme : Bourse postdoctorale en sciences statistiques de l’INCASS Ontario
Région : Nationale
Date : 2025–2027
Domaines d’intervention du projet
Les données liées au réseau, où les unités sont interconnectées et chacune possède ses propres variables observées, ont suscité une attention considérable ces dernières années. Par exemple, dans les réseaux sociaux, les relations entre les individus génèrent des dépendances découlant de préférences partagées et d’interactions fréquentes. De telles dépendances remettent en cause l’hypothèse courante d’indépendance des données dans la littérature sur l’inférence causale, et les négliger peut conduire à des conclusions biaisées sur les effets causaux. Ce projet vise à utiliser des réseaux bayésiens, ou des graphes acycliques dirigés, pour examiner à la fois les relations causales au sein des unités individuelles et les effets inter-unités dans l’ensemble du réseau.
Les travaux de Ruixuan Zhao se concentreront sur le développement de méthodologies statistiques avancées pour l’analyse des données sur la santé environnementale, spécifiquement conçues pour répondre aux dépendances couramment rencontrées dans les ensembles de données du monde réel. Elle collaborera étroitement avec le Centre for Global Health Research (CGHR) et aura accès à de vastes ensembles de données sur les résultats en matière de santé grâce au projet Open Mortality.
Au cours de sa bourse, Ruixuan participera au programme Emergent Data Science dirigé par le professeur Wang à l’Université de Toronto et approfondira sa compréhension des applications des données sur la santé environnementale grâce à des collaborations avec des scientifiques du CGHR. Elle aura également l’occasion d’enseigner et/ou d’encadrer des étudiants à l’Université de Toronto et à l’Université Western et de faire des présentations lors d’ateliers et de conférences.
Enfin, Ruixuan recevra une formation en rédaction de subventions, en communication scientifique, en enseignement et en pratiques EDI et aura accès à des réseaux interdisciplinaires.


Faire conaissance avec Ruixuan
Ruixuan Zhao a obtenu son doctorat au Département des sciences des données de l’Université de la ville de Hong Kong en 2024.
Au cours de ses recherches doctorales, elle a réalisé qu’elle était « déterminée à faire progresser les frontières de l’inférence causale et à faciliter l’application des connaissances théoriques aux défis du monde réel ». Ses travaux de doctorat ont porté sur l’établissement de conditions d’identifiabilité et le développement de méthodes d’apprentissage pour les modèles graphiques causaux, tels que les modèles graphiques acycliques dirigés et les modèles de graphes en chaîne. Elle a mené des analyses théoriques et numériques des méthodes d’apprentissage pour reconstruire des graphiques causaux exacts à partir de données observées. Ses recherches ont été publiées dans des revues de premier plan dans le domaine des statistiques et présentées lors de plusieurs conférences universitaires.
Ruixuan a acquis une précieuse expérience d’enseignement en tant qu’assistante d’enseignement au cours de ses études de doctorat et a hâte d’améliorer encore ses compétences en enseignement grâce au Programme de bourses postdoctorales en sciences statistiques de l’INCASS Ontario.
À terme, elle a l’intention d’occuper un poste de professeure et estime que son expérience postdoctorale la préparera bien en lui offrant l’occasion de travailler sur des « projets de recherche scientifique de haute qualité » et de collaborer avec des « partenaires de recherche exceptionnels ».
Pour en savoir plus sur Ruixuan et son prix, consultez le site Web de l’INCASS Ontario.
Je m’engage à faire progresser les frontières de l’inférence causale et à faciliter l’application des connaissances théoriques aux défis du monde réel.
À propos des superviseurs
Linbo Wang
Linbo Wang est professeur agrégé et titulaire de la chaire de recherche du Canada en apprentissage automatique causal au Département des sciences statistiques de l’Université de Toronto. Il a obtenu son doctorat en biostatistique de l’Université de Washington en 2016 et a passé deux ans dans le programme d’inférence causale de Harvard avant de venir à Toronto.
Linbo est co-organisateur du programme Emerging Data Science, qui rassemble la science des données et l’inférence causale pour de meilleures recommandations politiques, au Data Sciences Institute de l’Université de Toronto. Il a reçu plusieurs prix de recherche, dont un supplément d’accélération à la découverte du CRSNG en 2019.
Ses intérêts de recherche comprennent l’inférence causale, les modèles graphiques et l’inférence statistique moderne dans les modèles à dimension infinie.
Il s’intéresse actuellement à
- Inférence causale avec confusion non mesurée
- Sélection de variables dans l’inférence causale
- Paramétrage des modèles graphiques discrets
- Inférence causale et transport optimal
Pour en savoir plus, consultez le site Web de Linbo.
Guowen Huang
Le Dr Guowen Huang est professeur adjoint de statistiques à l’Université Western. Il a obtenu son doctorat en statistique de l’Université de Glasgow en 2016 sous la supervision des professeurs Duncan Lee et Marian Scott et a précédemment occupé des postes de recherche postdoctorale à l’Université nationale Tsing Hua et à l’Université de Toronto. Avant de rejoindre Western, le Dr Huang était professeur associé à l’Université de Shantou. Ses recherches portent sur les statistiques spatiales, en particulier la modélisation statistique des données sur la pollution atmosphérique et ses effets sur la santé humaine.