CANSSI Showcase 2024

Date : Vendredi 15 novembre 2024 Lieu : 7h45–15h30 heure du Pacifique Localisation: En ligne

Connectez-vous à la communauté

Le CANSSI Showcase est une célébration annuelle du travail effectué par les chercheurs, les boursiers postdoctoraux et les étudiants en sciences statistiques du Canada, et une occasion de nouer des liens avec la communauté des sciences statistiques du Canada. Le CANSSI Showcase 2024 se tiendra virtuellement le vendredi 15 novembre 2024. Ce sera une merveilleuse opportunité pour vous :

• Découvrez les travaux réalisés au sein de la communauté des sciences statistiques du Canada
• Présentez vos recherches (surtout si vous êtes un étudiant diplômé, un postdoctorant ou un jeune membre du corps professoral)
• Découvrez les possibilités de carrière
• Mieux comprendre les activités de l’INCASS
• Découvrez les différentes façons dont l’INCASS peut soutenir votre travail.

Nous vous invitons à vous joindre à nous pour un programme complet d’événements passionnants, y compris une présentation principale de Hongtu Zhu (Université de Caroline du Nord à Chapel Hill ), une table ronde avec d’éminents panélistes canadiens et américains, des exposés éclairs d’étudiants, de boursiers postdoctoraux, et des membres du corps professoral, ainsi que des présentations de chercheurs financés par l’INCASS. Vous repartirez avec une nouvelle inspiration, des liens plus profonds et une meilleure compréhension de ce qui se passe au Canada.

Inscrivez-vous pour présenter votre recherche

Que vous soyez étudiant, stagiaire postdoctoral ou membre du corps professoral, le Showcase vous offre l’opportunité de présenter votre travail à un public national grâce à un exposé éclair en ligne de 12 minutes. Inscrivez-vous en tant que présentateur pour réserver votre place. Les places sont limitées et les créneaux de présentation seront attribués selon le principe du premier arrivé, premier servi. Nous vous encourageons à vous inscrire rapidement si vous espérez faire une présentation.

INSCRIVEZ-VOUS EN TANT QUE PRÉSENTATEUR

Inscrivez-vous pour participer

Ne manquez pas cette occasion de vous connecter avec la communauté canadienne des sciences statistiques. Vous découvrirez les recherches en cours et élargirez votre réseau professionnel. INSCRIPTION À LA PARTICIPATION GÉNÉRALE

Calendrier des spectacles

Conférence principale

Revolutionizing Medical Data Analysis: Uniting AI and Statistics for Breakthroughs and Challenges Résumé (en anglais) : This talk provides an insightful overview of integrating artificial intelligence (AI) and statistical methods in medical data analysis. It is structured into three key sections:

• Introduction to Medical Image Data Analysis: This section sets the stage by outlining the fundamentals and significance of medical image analysis in healthcare, charting its evolution and current applications.
• State-of-the-Art AI Applications and Statistical Challenges: Here, we explore the impact of AI, particularly deep learning, on medical imaging, and address the accompanying statistical challenges, such as data quality and model interpretability.
• Opportunities for Statisticians: The final section highlights the critical role of statisticians in refining AI applications in medical imaging, focusing on opportunities for advancing algorithmic accuracy and integrating statistical rigour. The talk aims to demonstrate the crucial synergy between AI and statistics in enhancing medical data analysis, emphasizing the evolving challenges and the vital contributions of statisticians in this domain.

À propos du conférencier principalLe Dr Hongtu Zhu est professeur titulaire de biostatistique, de statistique, de radiologie, d’informatique et de génétique à l’Université de Caroline du Nord à Chapel Hill. Il a été DiDi Fellow et scientifique en chef des statistiques à DiDi Chuxing entre 2018 et 2020 et a été titulaire de la chaire Bao-Shan Jing en imagerie diagnostique au MD Anderson Cancer Center entre 2016 et 2018. Il est un expert internationalement reconnu en apprentissage statistique, analyse d’images médicales, médecine de précision, biostatistique, intelligence artificielle et analyse de big data. Il est membre élu de l’American Statistical Association et de l’Institute of Mathematical Statistics depuis 2011. Il a reçu un prix de chercheur établi du Cancer Prevention Research Institute of Texas en 2016 et a reçu le prix INFORMS Daniel H. Wagner pour l’excellence dans la pratique de la recherche opérationnelle en 2019. Il a publié plus de 340 articles dans des revues de premier plan, notamment Nature, Science, Cell, Nature Genetics, PNAS, AOS, JASA, Biometrika et JRSSB, ainsi que plus de 55 articles de conférence dans des conférences de premier plan, notamment NeurIPS, AAAI, KDD, ICDM, ICML, MICCAI et IPMI.

Table ronde

The Role of Statistics in Data Science, Machine Learning, and AIAbout the Panellists

	À propos d’Alexandre Bouchard : Alexandre Bouchard est professeur de statistique à l’Université de la Colombie-Britannique. Il a obtenu son doctorat en informatique à l’Université de Californie à Berkeley. Ses recherches portent sur les méthodes bayésiennes computationnelles et leurs applications en génomique et en phylogénétique du cancer.
	À propos de Linglong Kong : Le Dr Linglong Kong est professeur au Département des sciences mathématiques et statistiques de l’Université de l’Alberta. Il est titulaire d’une chaire de recherche du Canada en apprentissage statistique et d’une chaire d’IA du CIFAR-Canada. Il est membre de l’American Statistical Association (ASA) et de l’Alberta Machine Intelligence Institute (AMII). Son palmarès de publications comprend plus de 100 articles évalués par des pairs dans des revues de premier plan telles que AOS, JASA et JRSSB, ainsi que dans des conférences de premier plan telles que NeurIPS, ICML, ICDM, AAAI et IJCAI. Le Dr Kong est actuellement rédacteur en chef adjoint du Journal of the American Statistical Association, des Annals of Applied Statistics, de la Revue canadienne de statistique et de Statistics and its Interface. De plus, le Dr Kong a été membre du comité exécutif de la région ouest de l’Amérique du Nord de l’International Biometric Society, président du programme de sessions de calcul statistique de l’ASA et président du comité des webinaires. Il a été rédacteur invité de la Revue canadienne de statistique et de Statistics and its Interface, rédacteur associé de l’International Journal of Imaging Systems and Technology, rédacteur associé invité de Frontiers of Neurosciences, président de la session d’imagerie statistique de l’ASA et membre du conseil d’administration de la Société statistique du Canada. Il s’intéresse à l’analyse des données fonctionnelles et de neuroimagerie, à l’apprentissage automatique statistique, aux statistiques robustes et à la régression quantile, à l’apprentissage automatique fiable et à l’intelligence artificielle dans la santé intelligente.
	À propos d’Aurélie Labbe : Aurélie Labbe est professeure au Département des sciences de la décision et titulaire de la Chaire FRQ-IVADO en science des données. Elle se spécialise dans l’analyse de données à grande échelle. Titulaire d’une maîtrise en statistique de l’Université de Montréal et d’un doctorat dans la même discipline de l’Université de Waterloo, elle a passé plus de 15 ans à développer des outils statistiques pour les mégadonnées avec des applications dans les domaines de la génomique, des neurosciences et de la biostatistique. Depuis son arrivée à HEC Montréal en 2016, ses intérêts de recherche portent principalement sur les défis analytiques générés par les données des systèmes de transport intelligents. Aurélie Labbe est également active dans la communauté, puisqu’elle est nommée codirectrice scientifique d’IVADO depuis octobre 2023, et directrice du StatLab au Centre de recherche en mathématiques (CRM) depuis juillet 2023.
	À propos de Bhramar Mukherjee : La professeure Bhramar Mukherjee est actuellement nommée professeure Anna M.R. Lauder de biostatistique et professeure d’épidémiologie des maladies chroniques à la Yale School of Public Health (YSPH). La professeure Mukherjee est la première doyenne associée principale de la science des données de santé publique et de l’équité des données à la YSPH. Elle occupe un poste secondaire au département de statistique et de science des données et est affiliée au MacMillan Center et à l’Institute for the Foundations of Data Science. Elle fait partie du cabinet du directeur du Yale Cancer Center. Les intérêts de recherche de la Dre Mukherjee couvrent les méthodes statistiques d’analyse des dossiers médicaux électroniques, les études d’interaction gène-environnement, l’intégration des données, l’équité des données, l’estimation du rétrécissement et l’analyse des mélanges environnementaux. En collaboration, elle contribue à des domaines tels que le cancer, les maladies cardiovasculaires, la santé reproductive, la science de l’exposition et l’épidémiologie environnementale. Avec plus de 390 publications en statistiques, biostatistiques, médecine et santé publique, la professeure Mukherjee est reconnue mondialement pour ses contributions à la recherche sur l’intégration des données génétiques, environnementales et de santé. Elle a été chercheuse principale dans le cadre de subventions méthodologiques financées par la National Science Foundation (NSF) et les National Institutes of Health (NIH).
	À propos de Hongtu Zhu: voir la section Conférence principale ci-dessus.