Suis nous sur
CIFAR header logo
en
menu_mobile_logo_alt
  • NOTRE IMPACT
    • Pourquoi le CIFAR?
    • Pôles d’impact
    • Nouvelles
    • Stratégie du CIFAR
    • Favoriser la résilience de la Terre
    • Impact IA
    • Impact des dons
    • CIFAR 40
  • Activités
    • Événements publics
    • Réunions sur invitation seulement
  • Programmes
    • Programmes de recherche
    • Stratégie pancanadienne en matière d’IA
    • Initiatives à l’intention de la prochaine génération
  • Communauté
    • Membres et spécialiste-conseils
    • Chercheurs mondiaux CIFAR-Azrieli
    • Chaires en IA Canada-CIFAR
    • Direction – Stratégie en matière d’IA
    • Membres du réseau de solutions
    • Direction – CIFAR
    • Répertoire du personnel
  • Soutenez-nous
  • À propos
    • Notre histoire
    • Prix
    • Partenariats
    • Publications et rapports
    • Carrières
    • Équité, diversité et inclusion
    • Déclaration du CIFAR sur la neutralité institutionnelle
    • Sécurité de la recherche
  • en
  • Accueil
  • Bio

Suivez-nous

Elina Robeva

Elina Robeva

La nomination

Titulaire de chaire en IA Canada-CIFAR

Stratégie pancanadienne en matière d’IA

Connect

University of British Columbia

Google Scholar

À Propos

Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2024

Les recherches d’Elina Robeva se situent au carrefour des statistiques mathématiques, de l’apprentissage automatique, de la combinatoire, de l’algèbre multilinéaire, des statistiques algébriques et de la géométrie algébrique appliquée. 

Elle élabore des méthodes d’apprentissage automatique et d’optimisation pour l’inférence dans des modèles qui décrivent des dépendances complexes au sein de données. Elle aborde des situations dans lesquelles de nombreuses hypothèses courantes, mais irréalistes ne se vérifient pas en s’appuyant sur la structure mathématique du modèle en question. 

Les travaux d’Elina Robeva portent sur l’inférence causale, les modèles graphiques, la décomposition des tenseurs, l’estimation non paramétrique de la densité, les modèles à variables cachées et l’imagerie à super-résolution. Plus précisément, elle met au point des théories et des algorithmes relatifs aux éléments suivants :

  • l’inférence causale pour les données d’observation (temporelles et non temporelles) en présence de variables cachées et de boucles de rétroaction causales;
  • la décomposition des tenseurs appliquée aux problèmes d’apprentissage automatique;
  • les problèmes inverses rares, comme ceux relatifs à l’imagerie à super-résolution;
  • l’estimation non paramétrique en haute dimension de la densité, en tirant parti des dépendances entre les variables.

Prix

  • Prix André-Aisenstadt, Centre de recherches mathématiques (2023)
  • Bourse CAIMS/PIMS pour les chercheuses et chercheurs en début de carrière, CAIMS (2022)
  • Prix Jeune membre de la faculté des sciences mathématiques de l’UCB/PIMS, UCB (2020)
  • Prix de début de carrière en géométrie algébrique, SIAM (2019)
  • Prix commémoratif Bernard-Friedman en mathématiques appliquées, Université de la Californie à Berkeley (2016)

Publications Pertinentes

  • Robeva, E. (2016). Orthogonal Decomposition of Symmetric Tensors. SIAM Journal on Matrix Analysis and Applications, 37, 86-102.
  • Liu, Y., Robeva, E. et Wang, H. (2021). Learning Linear Non-Gaussian Graphical Models with Multidirected Edges. Journal of Causal Inference, 9.1, 250-263.
  • Kubjas. K, Robeva, E. et Sturmfels, B. (2015). Fixed Points of the EM Algorithm and Nonnegative Rank Boundaries. Annals of Statistics, 43.1, 422-461.
  • Robeva. E et Seigal, A. (2019). Duality of Graphical Models and Tensor Networks. Information and Inference, 8.1, 273-288.
  • Kurmanbek, B. et Robeva, E. (2023). Multivariate Super-Resolution without Separation. Information and Inference, 12.3, 1938-1963.

institut

Amii

Université de la Colombie-Britannique

Département

Mathématiques

Éducation

  • Ph. D. (Mathématiques), Université de la Californie à Berkeley, 2016
  • M.A. (Mathématiques), Université Harvard, 2012
  • BSH (Mathématiques), Université Stanford, 2011

Pays

Canada

Soutenez-nous

L’Institut canadien de recherches avancées (CIFAR) est une organisation de recherche d’influence mondiale fièrement basée au Canada. Nous mobilisons les plus brillants personnes du monde, dans toutes les disciplines et à tous les stades de carrière, pour faire progresser les connaissances transformatrices et résoudre ensemble les plus grands problèmes de l’humanité. Nous recevons l’appui des gouvernements du Canada, de l’Alberta et du Québec, ainsi que de fondations, de particuliers, d’entreprises et d’organisations partenaires du Canada et du monde entier.

Dons
CIFAR footer logo

Centre MaRS, tour Ouest
661, avenue University, bureau 505
Toronto (Ontario) M5G 1M1 Canada

Contactez-nous
Médias
Carrières
Politiques sur l’accessibilité
Bienfaiteurs
Rapports financiers
Abonnez-vous

  • © Copyright 2025 CIFAR. Tous les droits sont réservés.
  • Numéro d’enregistrement d’organisme de bienfaisance : 11921 9251 RR0001
  • Conditions d'utilisation
  • Politique de confidentialité
  • Plan du Site

Souscrire

Rejoignez notre communauté! Restez à jour avec nos nouvelles, événements, conférences et ateliers et dernières découvertes à travers le monde.

Fields marked with an * are required

I prefer to register in English (click here)


S'abonner aux bulletins d'information du CIFAR: *

Vous pouvez vous désabonner de ces communications à tout moment. Consultez notrepolitique de confidentialité.

 À titre d’abonné, vous recevrez aussi un exemplaire numérique de REACH, notre revue annuelle qui met en lumière nos chercheurs et leurs découvertes au moyen d’articles de fond, d’entrevues et d’illustrations.


Si vous souhaitez recevoir une édition papier de la revue REACH, veuillez fournir les renseignements supplémentaires suivants :


Ce site Web enregistre des témoins sur votre ordinateur. Ces témoins sont utilisés pour recueillir des renseignements sur votre interaction avec notre site Web et nous permettre de vous reconnaître. Nous utilisons ces renseignements afin d'améliorer et de personnaliser votre expérience de navigation et à des fins d'analyse et de mesures concernant nos visiteurs, tant sur ce site Web que sur d'autres médias. Pour en savoir plus sur les témoins que nous utilisons, consultez notre politique deconfidentialité.
Accepter En savoir plus

Notifications