Date : Jeudi 20 mars 2025
Heure : 13h à 14h, heure de l’Est
Lieu : Sur Zoom
À venir.
Claudie Beaulieu est professeure adjointe en sciences océaniques à l’Université de Californie (UC), à Santa Cruz. Ses travaux novateurs en science des données environnementales lui ont valu un prix CAREER (Faculty Early Career Development) de la National Science Foundation (NSF). Ce prix prestigieux soutient son programme intégré de recherche et d’éducation, qui met l’accent sur la compréhension de la variabilité et du changement climatiques en exploitant les techniques de la science des données. Les recherches de Claudie Beaulieu répondent au besoin crucial de comprendre les facteurs de la variabilité et du changement océaniques et climatiques. Son travail s’attaque au défi d’analyser les données environnementales de plus en plus complexes rendues disponibles grâce aux progrès de la surveillance du climat et des océans, des plateformes d’observation et de la modélisation du système terrestre. En appliquant des méthodes statistiques et d’apprentissage automatique, elle vise à maximiser les informations tirées des données d’observation et des simulations de modèles. Claudie Beaulieu a obtenu son doctorat en sciences de l’eau de l’Institut national de la recherche scientifique Centre Eau Terre et Environnement au Québec. Elle a mené des recherches postdoctorales en sciences atmosphériques et océaniques à l’Université de Princeton et a été chargée de cours à la School of Ocean and Earth Science de l’Université de Southampton avant de rejoindre la faculté de l’UC Santa Cruz en 2018. Grâce à ses efforts de recherche, d’éducation et de sensibilisation, la Dre BeauliDr. Claudie Beaulieueu façonne l’avenir de la science du climat et de l’analyse des données environnementales, tout en inspirant et en équipant la prochaine génération de scientifiques de l’environnement.
Rebecca Killick est maître de conférences en statistiques à l’Université de Lancaster et a rejoint le Centre for Health Informatics, Computing, and Statistics (CHICAS) en mars 2021 après avoir reçu un prix de changement de discipline du Engineering and Physical Sciences Research Council (EPSRC). Après avoir obtenu son doctorat en 2012 au sein du département de mathématiques et de statistiques, Rebecca a été chercheuse postdoctorale avant d’obtenir un poste de maître de conférences en mathématiques et statistiques en 2013. Parallèlement à son rôle au sein du département, Rebecca est responsable du réseau des femmes de l’Université de Lancaster et conseillère du Furness College. En 2019, elle a été la première lauréate britannique du prix « Jeune statisticien de l’année » du Réseau européen pour les statistiques commerciales et industrielles, qui récompense le travail des jeunes dans l’introduction de méthodes innovantes, la promotion de l’utilisation des statistiques et/ou leur utilisation réussie dans la pratique quotidienne. Rebecca considère ses recherches comme une boucle de rétroaction, s’inspirant de problèmes dans des applications du monde réel, créant une nouvelle méthodologie pour résoudre ces problèmes, puis les réinjectant dans le domaine du problème. Ses principaux intérêts de recherche résident dans le développement d’une nouvelle méthodologie pour l’analyse de modèles de séries temporelles non stationnaires univariés et multivariés. Cela couvre de nombreux sujets, notamment le développement de modèles, la sélection de modèles, l’estimation efficace, les diagnostics, le clustering et la prédiction. Rebecca est très motivée par les problèmes du monde réel et a travaillé avec des données dans divers domaines, notamment la bioinformatique, l’énergie, l’ingénierie, l’environnement, la finance, la santé, la linguistique et les statistiques officielles. Rebecca est passionnée par la garantie de la disponibilité et de l’accessibilité de la recherche sous la forme de logiciels open source. Dans ce cadre, elle défend auprès de la communauté statistique l’importance de la reconnaissance des logiciels de recherche en tant que production académique, est co-rédactrice en chef du Journal of Statistical Software et est membre du comité d’évaluation par les pairs des logiciels statistiques rOpenSci.
Emily Casleton est actuellement chef adjointe du groupe de sciences statistiques au Los Alamos National Laboratory (LANL), mais a été recrutée au LANL en tant qu’étudiante d’été lors de la Conférence sur l’analyse des données (CoDA) de 2012. Elle a rejoint le laboratoire en tant que postdoctorante en 2014 après avoir obtenu son doctorat en statistiques de l’Iowa State University. Depuis sa conversion au personnel en 2015, Emily a régulièrement collaboré avec des sismologues, des ingénieurs nucléaires, des physiciens, des géologues, des chimistes et des informaticiens sur une grande variété de projets intéressants axés sur les données. Plus récemment, elle a été responsable d’un projet d’analyse de données dans le cadre du projet NA-22 MINOS ; co-organisatrice de la série de séminaires CCS-6 sur invitation ; et coprésidente de CoDA, la conférence qui l’a amenée au LANLA il y a dix ans. Elle est titulaire d’une licence en mathématiques et sciences politiques du Washington & Jefferson College, 2003 ; d’une maîtrise en statistiques de l’Université de Virginie-Occidentale, 2006 ; et un doctorat en statistiques de l’Université d’État de l’Iowa, 2014.
À une époque où les données transcendent les frontières traditionnelles, il n’a jamais été aussi crucial de favoriser la collaboration interdisciplinaire. En collaboration avec le National Institute of Statistical Sciences (NISS), nous sommes fiers de présenter la NISS-CANSSI Collaborative Data Science Webinar Series, consacrée à la présentation du travail des data scientists et des scientifiques de domaine issus de divers domaines scientifiques qui collaborent pour faire progresser la science. Cette initiative célèbre le pouvoir de la collaboration, en démontrant comment la fusion de la science des données avec diverses disciplines peut stimuler l’innovation, résoudre des problèmes complexes et repousser les frontières de la connaissance au-delà du domaine des statistiques.
Chaque session sera animée par deux intervenants : un data scientist et un expert d’un autre domaine qui ont collaboré avec succès pour obtenir des résultats percutants. Grâce à leurs expériences et à leurs connaissances partagées, les participants acquerront une compréhension plus approfondie des processus collaboratifs qui comblent les écarts entre différents paysages scientifiques. Ces séminaires mettront non seulement en lumière les partenariats réussis, mais offriront également une plateforme d’échange d’idées, de méthodologies et de bonnes pratiques qui inspirent de nouvelles collaborations.