卡拉·E·布罗德利是一位专攻机器学习的计算机科学家。她是美国计算机协会（ACM）、人工智能促进协会（AAAI）和美国科学促进会（AAAS）的会士。布罗德利现任东北大学包容性计算学院院长，同时担任包容性计算中心执行主任，并在Khoury计算机科学学院拥有终身教职。她倡导提高女性和 underrepresented minorities 在计算机科学中的入学率。
布罗德利的研究为机器学习算法及其在医学和科学发现等领域的应用做出了贡献。她的工作常涉及数据质量挑战，包括处理缺失数据和噪声标签，这些对于构建可靠模型至关重要。她还积极推动跨学科合作，特别是在临床和转化科学领域。
教育与职业生涯
布罗德利于1985年从麦吉尔大学毕业。她最初主修英语，很快转修经济学，但在大二选修了一门计算机编程课程后，她改为数学和计算机科学双主修。在波士顿担任顾问和计算机程序员后，她重返研究生院，打算攻读人工智能硕士学位。她继续在Paul Utgoff的指导下攻读博士学位，并于1994年完成博士学业。
获得博士学位后，布罗德利加入普渡大学电气与计算机工程学院的电气工程教职。2004年，她转到塔夫茨大学，并于2010年至2013年担任计算机科学系主任。在塔夫茨期间，她还与塔夫茨医学中心的临床与转化科学研究所保持合作关系，将机器学习应用于医学研究。2014年，她转到东北大学担任Khoury计算机科学学院院长，任职至2021年。随后她成为包容性计算学院院长，专注于扩大计算教育的覆盖面。
研究贡献
布罗德利的研究涵盖机器学习理论及其应用。她致力于特征选择、分类和聚类算法，特别关注数据不完善时的鲁棒学习。她的早期工作解决了从含缺失值和错误标签的数据中学习的问题，提出了识别和纠正这些问题的方法。这对现实世界数据集具有重要意义，因为这些数据通常包含错误或不完整记录。
在医学领域，布罗德利与临床医生合作，利用电子健康记录和影像数据开发癌症和糖尿病等疾病的预测模型。她还为数据增强和课程学习领域做出了贡献，探索如何通过有意义地呈现示例来改进模型训练。她的研究成果发表在《国际机器学习会议》（ICML）和《机器学习研究杂志》等顶级期刊和会议上。
倡导与领导力
布罗德利因在增加计算机科学多样性方面的努力而广受认可。在东北大学，她建立了包容性计算中心，旨在将获得计算学位的女性和 underrepresented minorities 人数翻倍。该中心为课程重新设计、导师指导和推广项目提供支持。布罗德利公开谈论创建包容性环境的重要性，引用数据表明，系统性障碍而非缺乏兴趣，是阻止许多学生追求计算领域的原因。
她的倡导扩展到国家层面。她曾担任美国国家科学基金会等组织的顾问委员会成员，并参与改革计算机科学教育的努力。布罗德利的领导力在推动机构政策以促进公平方面发挥了关键作用，例如修订招生标准和为非传统背景学生提供桥梁项目。
荣誉与认可
布罗德利于2016年被提名为美国计算机协会会士，以表彰她“在机器学习应用和增加女性在计算机科学中的参与方面的贡献”。她还是人工智能促进协会（AAAI）和美国科学促进会（AAAS）的会士。这些荣誉反映了她在研究者和倡导者方面的双重影响。此外，她还获得过教学奖项，并受邀在《神经信息处理系统会议》（NeurIPS）和《国际学习表征会议》（ICLR）等主要会议上发表主题演讲。
布罗德利的工作影响了学术研究和实际应用，她对扩大计算领域参与的承诺继续塑造着该领域。截至2025年，她仍在东北大学积极从事研究和领导工作。