Dhanya Sridhar
La nomination
- Titulaire de chaire en IA Canada-CIFAR
- Stratégie pancanadienne en matière d’IA
Connect
À Propos
Dhanya Sridhar est titulaire d’une chaire en IA Canada-CIFAR à Mila et professeure adjointe au département d’informatique et de recherche opérationnelle (DIRO) de l’Université de Montréal.
Elle élabore une théorie et des méthodes d’apprentissage automatique pour étudier les questions causales, des questions qui portent sur des changements ou des interventions dans la société. Par exemple, comment des patients réagiraient-ils si on leur administrait un nouveau traitement ? Quel est l’effet d’une nouvelle politique de modération du contenu sur les messages diffusés dans les médias sociaux ?
La communauté de recherche ne peut pas toujours mener des expériences pour répondre à ces questions, car de telles expériences peuvent être coûteuses ou contraires à l’éthique. Au lieu de cela, elle recueille de grands ensembles de données sur l’état du monde : quels sont les traitements donnés aux patients et quels en sont les résultats ? Cependant, avec des données non expérimentales, il est difficile de distinguer les relations causales des corrélations en raison de sources de biais telles que les facteurs de confusion.
Les recherches de Dhanya Sridhar portent sur i) la compréhension théorique des questions causales auxquelles il est possible de répondre à partir des données observées et ii) l’adaptation des méthodes d’apprentissage automatique pour estimer les effets causaux, notamment dans le contexte des données textuelles et des réseaux sociaux.
Prix
- Étoile montante, EECS, 2020
- Bourse du recteur pour la thèse de l’année, Université de Californie à Santa Cruz, 2017
- Bourse d’études supérieures avec mention honorable, NSF, 2015
Publications Pertinentes
- Veitch, V., Sridhar, D., Blei, D. (2020). « Adapting text embeddings for causal inference », Proceedings of the 36th Conference on Uncertainty in Artificial Intelligence (UAI), PMLR 124:919-928. * Contributions égales
- Pryzant, R., Card, D., Jurafsky, D., Veitch, V., Sridhar, D. (2021). « Causal Effects of Linguistic Properties », Proceedings of the 2021 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, p. 4095-4109.
- Sridhar, D., Getoor, L. (2019). « Estimating Causal Effects of Tone in Online Debates », Proceedings of the Twenty-Eighth International Joint Conference on Artificial Intelligence, p. 1872-1978.
Soutenez-nous
Le CIFAR est un organisme de bienfaisance enregistré qui reçoit le soutien des gouvernements du Canada, de l’Alberta et du Québec, ainsi que de fondations, de donateurs individuels, d’entreprises et de partenaires canadiens et internationaux.
Centre MaRS, tour Ouest
661, avenue University, bureau 505
Toronto (Ontario) M5G 1M1 Canada