Aarhus University Seal / Aarhus Universitets segl

Mikkel Slot Nielsen modtager bevilling fra Danmarks Frie Forskningsfond

Ph.d.-studerende Mikkel Slot Nielsen modtager International PostDoc bevilling fra DFF i forbindelse med postdoc ophold ved Columbia University.

03.07.2019 | Lars Madsen

Foto: Privatfoto

Artificial intelligence, machine learning og big data. Disse begreber er mange sikkert stødt på, f.eks. når medierne beretter om, hvordan en computer er i stand til at besejre selv de bedste skakspillere eller diagnosticere kræft tidligt i et sygdomsforløb. Ofte kan en machine learning-algoritme ses som et værktøj til at gennemskue sammenhængen mellem en række faktorer og et udfald ud fra et datasæt. Computeren behøver derefter kun faktorerne for at spå om udfaldet. F.eks. kan man forsøge at spå om, hvorvidt en person udvikler kræft eller ej ud fra informationer i patientjournalen. På trods af at computeren forhåbentlig ofte vil spå de samme udfald, hvis den har fundet en sammenhæng ud fra et lignende datasæt, vil det ikke altid være tilfældet - så hvilken prædiktion skal vi tro på? I mere klassiske statistiske modeller kan man give præcise betingelser, der sikrer, at prædiktionerne er tæt på hinanden for store nok datasæt samt kvantificere stikprøveusikkerheden. Målet med dette projekt er at udlede lignende resultater for nogle af de populære machine learning-algoritmer (herunder random forests) ved hjælp af avancerede metoder inden for statistik og sandsynlighedsteori. Disse vil bidrage til en bedre forståelse for, hvornår og hvordan machine learning-algoritmerne virker samt forbedre muligheden for at vurdere den usikkerhed, der er forbundet med brugen af disse. Projektet vil foregå i samarbejde med førende forskere inden for statistik og machine learning.

Bevilling