Résumé
Les progrès rapides de la technologie nous permettent d’acquérir des données plus rapidement et de rendre de grands ensembles de données plus accessibles. Mais il n’est pas facile d’extraire des informations utiles de ces ensembles de données en raison de leur complexité et de leur qualité inégale. Pour obtenir des résultats valides et probants, nous devons trouver des moyens de résoudre ces problèmes.
Grace Yi, titulaire de la Chaire de recherche du Canada en science des données, développe de nouveaux outils plus souples de modélisation, d’estimation et d’apprentissage afin de traiter les données multidimensionnelles comportant des erreurs de mesure et des observations manquantes. De plus, son équipe de recherche et elle-même mettent au point des méthodes novatrices pour faire avancer les travaux dans ce domaine et trouver la meilleure façon d’appliquer leurs résultats à la santé publique, aux études médicales et à la science des données.