कैरोलिन उहलर

कैरोलीन उहलर (जन्म 1983) एक स्विस सांख्यिकीविद् हैं जो मशीन लर्निंग के क्षेत्र और जीनोमिक्स में अनुप्रयोगों पर काम करती हैं। उनका शोध कारणात्मक अनुमान के लिए विधियों को विकसित करने पर केंद्रित है, ताकि विभिन्न डेटा मोडैलिटीज, जिनमें ट्रांसक्रिप्टोमिक, प्रोटिओमिक और संरचनात्मक डेटा शामिल हैं, से नियामक संबंधों का अनुमान लगाया जा सके। वह मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी में इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर साइंस विभाग तथा डेटा, सिस्टम्स और सोसाइटी संस्थान में पूर्ण प्रोफेसर हैं। इसके अलावा, वह ब्रॉड इंस्टीट्यूट में कोर इंस्टीट्यूट सदस्य हैं, जहाँ वह एरिक और वेंडी श्मिट सेंटर का निर्देशन करती हैं।

शिक्षा और करियर

उहलर का जन्म स्विट्जरलैंड में हुआ था। उन्होंने ज्यूरिख विश्वविद्यालय में गणित और जीव विज्ञान का अध्ययन किया, 2004 में गणित में स्नातक की डिग्री, 2006 में जीव विज्ञान में दूसरी स्नातक डिग्री और गणित में मास्टर डिग्री प्राप्त की। वह 2007 में हाई स्कूल गणित शिक्षक के रूप में प्रमाण पत्र के लिए विश्वविद्यालय में रहीं, लेकिन शिक्षक बनने के बजाय वह कैलिफोर्निया विश्वविद्यालय, बर्कले में स्नातक शिक्षा के लिए अमेरिका चली गईं। वहाँ, उन्होंने 2011 में सांख्यिकी में पीएच.डी. और हास स्कूल ऑफ बिजनेस से प्रौद्योगिकी प्रबंधन में डिग्री दोनों अर्जित की। उनका डॉक्टरेट शोध प्रबंध, "ज्यामिति ऑफ मैक्सिमम लाइकलीहुड एस्टीमेशन", "गाऊसी ग्राफिकल मॉडल", बीजगणितीय ज्यामितिविद् और बीजगणितीय सांख्यिकीविद् बर्नड स्टर्मफेल्स द्वारा पर्यवेक्षित था।

उहलर 2012 में मिनेसोटा विश्वविद्यालय में गणित और उसके अनुप्रयोग संस्थान के साथ-साथ ईटीएच ज्यूरिख में एक संक्षिप्त पोस्टडॉक के बाद, ऑस्ट्रिया विज्ञान और प्रौद्योगिकी संस्थान में सहायक प्रोफेसर बनीं। वह 2015 में हेनरी एल. और ग्रेस डोहर्टी सहायक प्रोफेसर के रूप में मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी चली गईं, 2018 में एसोसिएट प्रोफेसर और 2022 में पूर्ण प्रोफेसर के पद पर पदोन्नत हुईं। 2022 से, वह ब्रॉड इंस्टीट्यूट में कोर इंस्टीट्यूट सदस्य भी हैं, जहाँ वह एरिक और वेंडी श्मिट सेंटर का निर्देशन करती हैं।

शोध योगदान

उहलर का काम कृत्रिम बुद्धिमत्ता, सांख्यिकी और जीव विज्ञान के प्रतिच्छेदन पर स्थित है। वह कारणात्मक अनुमान के लिए गणितीय ढाँचे विकसित करती हैं जो उच्च-आयामी जैविक मापों, जैसे एकल कोशिकाओं से जीन अभिव्यक्ति डेटा या प्रोटिओमिक प्रोफाइल, से नियामक नेटवर्क को समझने में मदद करते हैं। उनके समूह ने ग्राफिकल मॉडल और उत्तल अनुकूलन से विचारों को मिलाकर जीन नियामक अंतःक्रियाओं का पुनर्निर्माण करने के लिए एल्गोरिदम का योगदान दिया है, जो अक्सर मजबूती में सुधार के लिए कई डेटा मोडैलिटीज को एकीकृत करते हैं।

उनके शोध का एक हिस्सा गाऊसी ग्राफिकल मॉडल की ज्यामिति से संबंधित है, जो बीजगणितीय सांख्यिकी से वैचारिक परिणामों को अनुमान के लिए व्यावहारिक उपकरणों में विस्तारित करता है। एक अन्य महत्वपूर्ण क्षेत्र व्याख्या योग्य मशीन लर्निंग विधियों का विकास है जो बड़े पैमाने पर जीनोमिक्स डेटा को संभाल सकते हैं, जिसका उद्देश्य सांख्यिकीय गारंटी और वास्तविक दुनिया के शोरगुल वाले अवलोकनों के बीच की खाई को पाटना है। इन प्रयासों ने उनके छात्रों के डेटा संवर्धन तकनीकों और मजबूत प्रक्रियाओं पर काम को आकार दिया है।

मान्यता

उहलर को कई करियर सम्मान प्राप्त हुए हैं। 2014 में, वह अंतर्राष्ट्रीय सांख्यिकी संस्थान की निर्वाचित सदस्य बनीं। 2015 में, उन्होंने ऑस्ट्रियाई विज्ञान कोष का स्टार्ट-प्राइज़ और अलेक्जेंडर वॉन हम्बोल्ट फाउंडेशन का सोफिया कोवालेव्स्काया पुरस्कार जीता, और एमआईटी जाने के लिए बाद की फंडिंग को अस्वीकार कर दिया। 2017 में, उन्हें एनएसएफ करियर अवार्ड और स्लोअन रिसर्च फेलोशिप मिली। 2019 में, उन्हें जीवित प्रणालियों के गणितीय मॉडलिंग में सिमंस इन्वेस्टिगेटर नामित किया गया, जो बायोमैथमेटिक्स में उनके मार्गों को मान्यता देता है। 2022 में, उन्होंने एनआईएच निदेशक का न्यू इनोवेटर अवार्ड अर्जित किया। 2023 में, वह सोसाइटी फॉर इंडस्ट्रियल एंड एप्लाइड मैथमैटिक्स (एसआईएएम) की फेलो चुनी गईं।

चयनित प्रकाशन और प्रभाव

अपने करियर के दौरान, उहलर ने सांख्यिकी, मशीन लर्निंग और कम्प्यूटेशनल जीव विज्ञान के जर्नल्स में प्रकाशित किया है। उनके शोध प्रबंधों और कार्यों ने न केवल सांख्यिकी से, बल्कि जीनोमिक्स के लिए डीप लर्निंग मॉडल का उपयोग करने वाले चिकित्सकों से भी उद्धरण आकर्षित किए हैं। उनकी प्रयोगशाला द्वारा विकसित एल्गोरिदम अक्सर रोग तंत्रों की जाँच करने वाले शोधकर्ताओं द्वारा उपयोग किए जाते हैं, जिनमें सटीक चिकित्सा के क्षेत्र भी शामिल हैं। उन्होंने युवा शोधकर्ताओं को मार्गदर्शन देकर क्षेत्र की शैक्षिक पाइपलाइन में भी योगदान दिया है, जो आगे चलकर शैक्षणिक पदों या विज्ञान उद्योगों में गए हैं।

बाहरी लिंक

• होम पेज
• कैरोलीन एच.आई. प्रकाशन गूगल स्कॉलर द्वारा अनुक्रमित