Je pense qu'en tant que chercheurs en statistiques, nous devons nous ouvrir à d'autres disciplines. Les statistiques peuvent résoudre des problèmes.

Ajouter une "saveur statistique" à la recherche sur l'apprentissage automatique

Pour Linglong Kong, l'apprentissage automatique et les statistiques sont indissociables : pour créer les meilleurs modèles d'intelligence artificielle, il faut comprendre les données à partir desquelles ils apprennent. La formation en statistiques de M. Kong est à la base de son travail dans des domaines tels que l'apprentissage profond et l'apprentissage par renforcement distribué, ainsi que l'utilisation de l'intelligence artificielle pour mieux analyser les données médicales et protéger la vie privée des patients. Son travail avec la régression quantile et les statistiques robustes lui fait étudier comment améliorer les ensembles de données pour aider à optimiser l'apprentissage automatique, comme la réduction des biais raciaux et de genre dans les données utilisées pour le travail social.

Kong a commencé sa formation en statistiques à l'Université normale de Pékin, avant d'obtenir une maîtrise en probabilités et statistiques à l'Université de Pékin. Il est ensuite passé à l'Université de l'Alberta pour terminer son doctorat en statistique. La plupart de ses premiers travaux ont porté sur la recherche biostatistique à l'Université de l'Alberta, puis à l'Université de Caroline du Nord à Chapel Hill.

M. Kong est revenu à l'Université de l'Alberta pour enseigner au département des mathématiques et des statistiques en 2012. Outre son poste de boursier et de titulaire de la chaire d'IA du CIFAR à Amii, il est titulaire d'une chaire de recherche du Canada en apprentissage statistique et est actif en tant que rédacteur en chef adjoint de plusieurs revues, notamment la Revue canadienne de statistique, le Journal of the American Statistical Association, Applications & Case Studies et Frontiers in Neuroscience.

Les statistiques peuvent donner un aperçu de nombreuses choses que l'apprentissage automatique tente de faire, comme la gestion de l'incertitude ou de l'interprétabilité. Les statistiques ont toujours essayé de le faire.