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, 15 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 seit September 2019 Full Professor of Machine Learning, Statistics and Genomics an der ETH Zürich und war davor Henry L. and Gracy Doherty Associate Professor in Electrical Engineering & Computer Science and at the Institute for Data, Systems and Society am Massachusetts Institute of Technology (MIT) und Assistant Professor am Institut für Höhere Studien Wien. Sie promovierte in Statistik an der UC Berkeley in 2011 und hat seit dem eine Vielzahl von Preisen erhalten, u.a. Simons Investigator Award, Sloan Research Fellowship, NSF Career Award, Sofja Kovalevskaja Preis.

Caroline Uhler ist weltweit eine der strahlkräftigsten und wichtigsten international sichtbaren jungen Wissenschaftlerinnen an der Schnittstelle hochdimensionale statistische Methoden/Machine Learning. Sie bearbeitet statistisch-methodisch hochaktuelle Themen, die zu herausfordernden Optimierungsproblemen führen und algorithmisch anspruchsvolle Lösungen benötigen. Sie ist insbesondere Expertin für grafische Modelle und kausale Zusammenhänge und damit für Themen, die in vielen Anwendungsproblemen im Zentrum des Interesses stehen. Ihr Anwendungsfokus ist im Augenblick vor allem die Biologie und Genetik mit elementaren kausalen biomedizinischen Fragestellungen.

 

 

Caroline_Uhler
Caroline Uhler