Bei Jiang
La nomination
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2022
Les recherches de Jiang visent à faire progresser le domaine de l’analyse des données sur la santé en mettant au point des outils d’analyse efficaces, en permettant un partage sécurisé des données et en concevant des algorithmes d’apprentissage automatique équitables. Un défi considérable dans l’analyse des données sur la santé consiste à gérer la complexité et l’hétérogénéité des données, par exemple les dossiers médicaux électroniques et les données de neuroimagerie. Ses recherches se concentrent sur le développement d’outils informatiques efficaces capables de traiter ces types de données complexes.
Par ailleurs, le partage les données sur la santé est essentiel pour faire avancer la recherche médicale et améliorer les résultats pour les patient(e)s, mais cela doit se faire dans le respect de la vie privée de ces personnes. À cette fin, Jiang a mis au point de nouveaux outils de protection de la vie privée qui permettent un partage sécurisé des données tout en protégeant les renseignements sensibles des patient(e)s.
Plus récemment, Jiang s’intéresse aux méthodes permettant de détecter et d’atténuer les biais algorithmiques. Cet aspect est particulièrement important dans le domaine des soins de santé, car il peut avoir une incidence sur les décisions de traitement et entraîner des disparités dans les résultats des soins de santé.
Prix
- Boursier de recherche, Statistical and Applied Mathematical Sciences Institute, 2015.
Publications Pertinentes
- Zhao, S., Cui, W., Jiang, B., Kong, L., and Yan, X. (2024). « Optimal Smooth Approximation for Quantile Matrix Factorization ». Proceedings of the 38th AAAI Conference on Artificial Intelligence 2024
- Jiang, Y., Liu, Y., Yan, X., Charest, A-S., Kong, L., Jiang, B. (2024). « Analysis of Differentially Private Synthetic Data: A Measurement Error Approach ». Proceedings of the 38th AAAI Conference on Artificial Intelligence 2024
- Jiang, Y., Chang, X., Liu, Y., Ding, L., Kong, L., and Jiang, B. (2023). « Gaussian Differential Privacy on Riemannian Manifolds ». Proceeding of the 37th Conference on Neural Information Processing Systems (NeurIPS)
- Liu, M., Ding, L., Yu, D., Liu, W., Kong, L. et Jiang, B. (2023). « Conformalized Fairness via Quantile Regression ». Advances in Neural Information Processing Systems.
- Liu, Y., Sun, K., Jiang, B. et Kong, L. (2023). « Identification, Amplification and Measurement: A bridge to Gaussian Differential Privacy ». Advances in Neural Information Processing Systems.