Mon profil
Je me nomme Hilda Ibriga, doctorante en Statistiques à Purdue University aux Etats Unis. J’effectue mes recherches de thèse sous la direction du Pr. Bruce Craig et du Pr. Wei Sun.
Mes travaux de recherche s' orientent principalement sur l' analyse théorique des tenseurs et leur application à l' apprentissage automatique (Machine Learning).
Ces recherches visent la création de méthodes d' analyse de tenseurs, l' amélioration des performances des systèmes de recommandation informatiques et le développement d’algorithmes de récupération de données manquantes.
Mis à part la théorie, je crée des outils et logiciels qui facilitent l' intégration des méthodes d' analyse tensorielle dans les algorithmes de Machine Learning préexistantes.
J’ai également travaillé sur des projets appliqués dans le domaine de l’intelligence artificielle, plus précisément le Reinforcement Learning et j’aimerais poursuivre davantage des recherches dans ce domaine dans les prochaines années.
je bénéficie de trois années d’expérience de travail en tant que consultante en statistiques aux cours desquelles, j’ai mené à terme plus de 50 projets. J’ ai eu l’opportunité de partager l’expérience que j’ai acquise tout au long de mon cursus scolaire en enseignant divers cours de mathématiques et de statistiques de premier et deuxième cycles d’université.
- Analyse Tensorielle
- Machine Learning
- Reinforcement Learning
- Inference Statistique
PhD en Statistique, 2021
Purdue University
Master II en Mathematique, 2014
University of Arkansas
Bachelor en Mathematique & Economie (double filière), 2011
Westminster College
Competénces
Logiciel
Expertises
Langues
Expériences Professionnelles
Purdue Data Mine is the first large-scale living learning community for undergraduates from all majors, focused on Data Science for All.
Responsibilities include:
- Supervised a group of 12 TAs, organized and ran TA training meetings
- Contributed to writing, reviewing all R, python and SQL course projects
- Held office hours and led projects grading meetings
- Contributor and editor of the DataMine example book
Responsibilities include:
- Conducted comparative research on two competing model agnostic machine learning interpretability methods Lime and Anchor.
- Worked on integrating Lime into the existing machine learning model for predicting account churn which allowed to:
- Identify features which explain high churning probability for a given account
- facilitate understanding and actionability for the business team
- Co-wrote documentation for the implementation and integration of Lime into the account churning model
Responsibilities include:
- Worked on 50+ consulting projects on fields such as: Engineering, Social Sciences, Natural Sciences.
- Assisted clients at each of the fundamental statistical modeling steps:
- Defining scope of project, design of experiment,
- Data quality control, data analysis and visualization using R, SAS, MATLAB or SQL
- Results interpretation and writing for journal publication, technical report and grant proposal.
- Projects include social network analysis, sample size calculation for complex experimental designs, analysis of large time series data, metrics engineering.
- Co-authored the free manual titled “Introduction to the Statistical Software R”, to provide a quick introduction to R for the use of faculty and students at Purdue University.