Uri Shalit (Israel Institute of Technology) est l’animateur du séminaire DATAIA du 23 janvier, sur le thème « Machine learning and causal inference: a two-way road ».
This talk will have two parts. In the first we will discuss how and when can deep learning methods be applied to learning individual-level causal effects. We will then present a framework we developed for learning individualized treatment recommendations from observational health data, using data of tens of thousands of patients from a big health provider. In the second part we will show how we use ideas from the causal inference literature to address long standing problems in machine learning: off-policy evaluation in a partially observable Markov decision process (POMDP), and learning predictive models that are stable against distributional shifts.
Uri Shalit est maître de conférences à Technion - Israel Institute of Technology.
Il a été chercheur postdoctoral au laboratoire d'apprentissage automatique du professeur David Sontag à NYU, puis au MIT. Il a terminé ses études de doctorat à la School of Computer Science & Engineering de l'Université hébraïque de Jérusalem, sous la direction des professeurs Gal Chechik et Daphna Weinshall. De 2011 à 2014, il a été lauréat de la bourse européenne Google pour l'apprentissage automatique.
Ses recherches portent sur deux thèmes.
Le premier est l'application de l'apprentissage automatique au domaine de la santé, en particulier en fournissant aux médecins des outils d'aide à la décision basés sur de grandes données sanitaires. Le deuxième est l'intersection de l'apprentissage automatique et de l'inférence causale, en mettant l'accent sur l'utilisation de méthodes d'apprentissage approfondi pour l'inférence causale.
Le séminaire aura lieu le 23 janvier 2020 de 15h00 à 16h00 au centre Inria-Saclay - bâtiment Alan Turing - Amphithéâtre Sophie Germain.
Il sera suivie par un pot.
Inscriptions gratuites mais obligatoires dans la limite des places disponibles.
Pour des raisons de sécurité, toute personne non-inscrite ne pourra accéder au lieu du séminaire.