Caroline Uhler (née en 1983) est une statisticienne suisse travaillant dans le domaine de l'apprentissage automatique et de ses applications en génomique. Ses recherches portent sur le développement de méthodes d'inférence causale pour déduire les relations de régulation à partir de différentes modalités de données, notamment les données transcriptomiques, protéomiques et structurelles. Elle est professeure titulaire au Département de génie électrique et d'informatique et à l'Institut pour les données, les systèmes et la société du Massachusetts Institute of Technology. En outre, elle est membre principale de l'Institut au Broad Institute, où elle dirige le Centre Eric et Wendy Schmidt.
Formation et carrière
Uhler est née en Suisse. Elle a étudié les mathématiques et la biologie à l'Université de Zurich, obtenant une licence en mathématiques en 2004, une deuxième licence en biologie et un master en mathématiques en 2006. Elle est restée à l'université pour obtenir un certificat d'enseignante de mathématiques au lycée en 2007, mais au lieu de devenir enseignante, elle s'est rendue aux États-Unis pour poursuivre ses études supérieures au Université de Californie à Berkeley. Là, elle a obtenu à la fois un doctorat en statistiques et un diplôme en gestion de la technologie de la Haas School of Business en 2011. Sa thèse de doctorat, « Géométrie de l'estimation du maximum de vraisemblance », « Modèles graphiques gaussiens », a été supervisée par Bernd Sturmfels, un géomètre algébrique et statisticien algébrique.
Uhler est devenue professeure adjointe à l'Institut des sciences et technologies d'Autriche en 2012, après un court postdoctorat à l'Institut de mathématiques et de ses applications de l'Université du Minnesota ainsi qu'à l'ETH Zurich. Elle a rejoint le Massachusetts Institute of Technology en 2015 en tant que professeure adjointe Henry L. et Grace Doherty, a été promue professeure associée en 2018 puis professeure titulaire en 2022. Depuis 2022, elle est également membre principale de l'Institut au Broad Institute, où elle dirige le Centre Eric et Wendy Schmidt.
Contributions à la recherche
Les travaux d'Uhler se situent à l'intersection de l'intelligence artificielle, des statistiques et de la biologie. Elle développe des cadres mathématiques pour l'inférence causale qui aident à déchiffrer les réseaux de régulation à partir de mesures biologiques de haute dimension, telles que les données d'expression génique de cellules uniques ou les profils protéomiques. Son groupe a contribué à des algorithmes qui combinent des idées issues des modèles graphiques et de l'optimisation convexe pour reconstruire les interactions de régulation génique, intégrant souvent plusieurs modalités de données pour améliorer la robustesse.
Un volet de ses recherches porte sur la géométrie des modèles graphiques gaussiens, étendant les résultats conceptuels de la statistique algébrique à des outils pratiques pour l'inférence. Un autre domaine important est le développement de méthodes d'apprentissage automatique interprétables capables de traiter des données génomiques à grande échelle, visant à combler les écarts entre les garanties statistiques et les observations réelles bruitées. Ces efforts ont façonné les travaux de ses étudiants sur les techniques d'augmentation de données et les procédures robustes.
Reconnaissance
Uhler a reçu de nombreux honneurs de carrière. En 2014, elle est devenue membre élue de l'Institut international de statistique. En 2015, elle a remporté le Start-Preis du Fonds autrichien pour la science et le prix Sofia Kovalevskaja de la Fondation Alexander von Humboldt, refusant ce dernier financement pour rejoindre le MIT. En 2017, elle a reçu le prix CAREER de la NSF et la bourse de recherche Sloan. En 2019, elle a été nommée chercheuse Simons en modélisation mathématique des systèmes vivants, reconnaissant ses voies en biomathématique. En 2022, elle a obtenu le prix du nouveau chercheur innovant du directeur des NIH. En 2023, elle a été élue membre de la Society for Industrial and Applied Mathematics (SIAM).
Publications sélectionnées et impact
Tout au long de sa carrière, Uhler a publié dans des revues couvrant les statistiques, l'apprentissage automatique et la biologie computationnelle. Ses thèses et ses travaux ont attiré des citations non seulement de la part des statisticiens, mais aussi des praticiens utilisant des modèles d'apprentissage profond pour la génomique. Les algorithmes développés par son laboratoire sont souvent utilisés par les chercheurs qui étudient les mécanismes des maladies, y compris ceux de la médecine de précision. Elle a également contribué au pipeline éducatif du domaine en encadrant de jeunes chercheurs qui ont ensuite occupé des postes académiques ou rejoint les industries scientifiques.
Liens externes
- Page d'accueil
- Publications de Caroline HI indexées par Google HScholar