Даниэль Белгрейв - Danielle Belgrave

Даниэль Белгрейв
Родился
Даниэль Шарлотта Белгрейв
Альма-матерЛондонская школа экономики (Бакалавр)
Университетский колледж Лондона (Магистр)
Манчестерский университет (Кандидат наук)
Научная карьера
ПоляСтатистика
Машинное обучение[1]
УчрежденияMicrosoft Research
Имперский колледж Лондон
GlaxoSmithKline
ТезисВероятностные причинно-следственные модели развития астмы и аллергии в детстве  (2014)
ДокторантИэн Бьюкен
Кристофер Бишоп
Аднан Кустович[2][3]
Интернет сайтМайкрософт.com/ en-us/исследование/люди/ dabelgra

Даниэль Шарлотта Белгрейв британский ученый-компьютерщик из Microsoft Research, кто использует статистика и машинное обучение чтобы понять прогрессирование заболеваний.[1][2][4]

ранняя жизнь и образование

Белгрейв вырос в Тринидад, где ее учитель математики в старшей школе вдохновил ее на работу в качестве специалист по данным.[5] Она изучала статистику и бизнес в Лондонская школа экономики (LSE).[6][7] Она была аспирантом в Университетский колледж Лондона (UCL), где получила степень магистра статистики.[6] В 2010 году Белгрейв переехал в Манчестерский университет, где она заработала кандидат наук для исследований под руководством Иэн Бьюкен [Викиданные ], Кристофер Бишоп и Аднан Кустович (ученый) [Викиданные ][2][3][6] при поддержке исследовательской стипендии Microsoft. Она была награждена Дороти Ходжкин премия для аспирантов Microsoft и премия Барри Кея Британского общества аллергии и клинической иммунологии (BSACI).[8]

Исследования и карьера

После окончания учебы Белгрейв работал в GlaxoSmithKline (GSK), где она была удостоена награды Exceptional Scientist Award.[6] Белгрейв присоединился Имперский колледж Лондон как Совет медицинских исследований (MRC) статистик в 2015 году.[6][9][8] Она разрабатывает статистические модели машинного обучения, чтобы посмотреть на прогрессирование заболевания, чтобы разработать новые стратегии управления и понять неоднородность.[4][10] Статистические методы обучения могут дать информацию для управления медицинскими состояниями, обеспечивая основу для эндотип открытие с использованием вероятностное моделирование.[5][11] Она использует статистические модели для определения основных эндотипы условия из набора фенотипы.[12]

Она изучала, действительно ли атопический марш, прогрессирование аллергических заболеваний с раннего возраста, адекватно описывает атопические заболевания, такие как экзема в молодости.[13] Белгрейв использовал скрытая болезнь профильная модель для изучения атопического марша у более чем 9000 детей, где машинное обучение был использован для выявления групп детей с похожими экзема паттерны начала.[13] Она входит в группу по изучению молодости. астма исследовательский консорциум.[14] Белгрейв заинтересован в использовании больших данных для значимой клинической интерпретации, чтобы информировать персонализированные стратегии профилактики.[14]

Ее исследования сосредоточены на Байесовский и статистическое машинное обучение в сфере здравоохранения для разработки персонализированная медицина.[2] По состоянию на 2019 год Belgrave разрабатывает и внедряет методы, которые включают базовые знания с участием модели на основе данных. Ее исследовательские интересы включают: скрытые переменные модели, лонгитюдные исследования, анализ выживаемости, ‘омики, уменьшение размерности, Байесовский графические модели и кластерный анализ.[2][1]

Белгрейв является частью регулирующей алгоритмы проект, который оценивает, как следует регулировать алгоритмы здравоохранения.[15] В частности, Белгрейв интересует, какая схема ответственности должна быть привлечена к искусственный интеллект для здравоохранения.[15] Она входит в состав оргкомитета 2019 года. Конференция по нейронным системам обработки информации[16] и в качестве советника DeepAfricAI.[17]

использованная литература

  1. ^ а б c Даниэль Белгрейв публикации, проиндексированные Google ученый Отредактируйте это в Викиданных
  2. ^ а б c d е Белгрейв, Даниэль (2016). "Резюме Даниэль Белгрейв" (PDF). imperial.ac.uk. Имперский колледж Лондон. Архивировано из оригинал (PDF) на 2019-03-13.
  3. ^ а б Белгрейв, Даниэль Шарлотта (2014). Вероятностные причинно-следственные модели развития астмы и аллергии в детстве. manchester.ac.uk (Кандидатская диссертация). Манчестерский университет.
  4. ^ а б "Даниэль Белгрейв". re-work.co. RE • РАБОТА. Получено 2019-03-16.
  5. ^ а б "Даниэль Белгрейв". deeplearningindaba.com. Глубокое обучение Индаба. Получено 2019-03-16.
  6. ^ а б c d е "Доктор Даниэль Белгрейв". imperial.ac.uk. Имперский колледж Лондон. Архивировано из оригинал на 2018-01-05. Получено 2019-03-16.
  7. ^ Анон (2019). «Достижения и проблемы машинного обучения для семинара в области здравоохранения». datascience.manchester.ac.uk. Манчестерский университет. Получено 2019-03-16.
  8. ^ а б "Даниэль Белгрейв". cipp-meeting.org. CIPP XV. Получено 2019-03-16.
  9. ^ «Единые вероятностные стратегии моделирования латентных переменных для ускорения обнаружения эндотипов в продольных исследованиях». ukri.org. Соединенное Королевство Исследования и инновации. Получено 2019-03-16.
  10. ^ «Даниэль Белгрейв из Microsoft Research». microsoft.com. Microsoft Research. Архивировано из оригинал на 2019-03-17. Получено 2019-03-16.
  11. ^ Аноним (2017-09-15), «12 применений машинного обучения в здравоохранении, Даниэль Белгрейв», youtube.com, Глубокое обучение Индаба, получено 2019-03-16
  12. ^ Анон (2019-03-07). «Этический ИИ». robotethics.co.uk. ИИ и этика роботов. Получено 2019-03-16.
  13. ^ а б Кустович, Аднан; Хендерсон, А. Джон; Бьюкен, Иэн; Епископ, Кристофер; Гивер, Джон; Симпсон, Анджела; Гранелл, Ракель; Белгрейв, Даниэль С. М. (2014). «Профили развития экземы, хрипов и ринита: два популяционных когортных исследования рождения». PLOS Медицина. 11 (10): e1001748. Дои:10.1371 / journal.pmed.1001748. ISSN  1549-1676. ЧВК  4204810. PMID  25335105.
  14. ^ а б Бённеликке, Клаус; Слейман, Патрик; Нильсен, Каспер; Крайнер-Мёллер, Эскиль; Меркадер, Хосеп М; Белгрейв, Даниэль; ден Деккер, Герман Т; Хасби, Андерс; Севелстед, Астрид; Фаура-Теллез, Гриссель; Мортенсен, Ли Джуэль; и другие. (2013). «Полногеномное исследование ассоциации идентифицирует CDHR3 как локус восприимчивости к астме в раннем детстве с тяжелыми обострениями». Природа Генетика. 46 (1): 51–55. Дои:10,1038 / нг.2830. ISSN  1061-4036. OCLC  885448463. PMID  24241537. закрытый доступ
  15. ^ а б «Регулирующие алгоритмы в здравоохранении: ИС и ответственность». phgfoundation.org. Фонд PHG. Получено 2019-03-16.
  16. ^ «Оргкомитет 2019». nips.cc. Получено 2019-03-16.
  17. ^ "DeepAfricAI". deepafricai.com. Получено 2019-03-16.