Gaul Lecture Series

Mit der Gaul-Lecture wird jedes Jahr ein/e international führende/r junge Wissenschaftler/in ausgezeichnet, die/der mit herausragenden Leistungen ein Forschungsfeld an der Schnittstelle Mathematik-Wirtschaftswissenschaften-Informatik bereits maßgeblich prägt. Während eines Forschungsaufenthalts am KIT hält der/die Preisträger/in neben einem Forschungsseminar für ein Fachpublikum die Gaul-Lecture, um das eigene Themengebiet einer breiteren Öffentlichkeit vorzustellen. Der Besuch soll insbesondere wissenschaftliche Nachwuchskräfte inspirieren und am KIT neue Forschungsgebiete anstoßen.

Die Gaul-Lecture wird finanziell durch die Unterstützung der Helga- und Wolfgang Gaul Stiftung ermöglicht

 

 

06 Oktober 2021, 17 Uhr

Zoomlink zum Webinar:  

Titel und Abstract

Causality and Autoencoders in the Light of Drug Repurposing for COVID-19

Massive data collection holds the promise of a better understanding of complex phenomena and ultimately, of better decisions. An exciting opportunity in this regard stems from the growing availability of perturbation / intervention data (for example in genomics, advertisement, policy making, education, etc.). In order to obtain mechanistic insights from such data, a major challenge is the development of a framework that integrates observational and interventional data and allows causal transportability, i.e., predicting the effect of yet unseen interventions or transporting the effect of interventions observed in one context to another. I will propose an autoencoder framework for this problem. In particular, I will characterize the implicit bias of overparameterized autoencoders and show how this links to causal transportability and can be applied for drug repurposing in the current COVID-19 crisis.

Vortragende

Caroline Uhler

Caroline Uhler ist Henry L. und Gracy Doherty Associate Professor für Elektrotechnik und Informatik am Institute for Data, Systems and Society am Massachusetts Institute of Technology (MIT) und Assistenzprofessorin am Institute for Advanced Studies Vienna. Sie promovierte 2011 in Statistik an der UC Berkeley und hat seither eine Reihe von Auszeichnungen erhalten, darunter den Simons Investigator Award, das Sloan Research Fellowship, den NSF Career Award und den Sofja Kovalevskaja Prize.

Caroline Uhler ist eine der weltweit brillantesten und wichtigsten international sichtbaren jungen Forscherinnen an der Schnittstelle von hochdimensionalen statistischen Methoden und maschinellem Lernen. Sie arbeitet an statistisch-methodischen Spitzenthemen, die zu anspruchsvollen Optimierungsproblemen führen und algorithmisch anspruchsvolle Lösungen erfordern. Insbesondere ist sie Expertin für grafische Modelle und kausale Zusammenhänge und damit für Themen, die bei vielen Anwendungsproblemen von zentralem Interesse sind. Ihr Anwendungsschwerpunkt liegt derzeit vor allem in der Biologie und Genetik mit elementaren kausalen biomedizinischen Problemen.

 

 

Caroline_Uhler
Caroline Uhler