詹妮弗·蔡斯教授
加州大学伯克利分校计算、数据科学与社会学部副教务长
Jennifer Chayes是加州大学伯克利分校数据科学与信息副教务长兼信息学院院长。她是EECS、数学、统计学和信息学院的教授。在加入伯克利之前，她在微软工作了20多年，在那里她是技术研究员，以及三个跨学科实验室的创始人和董事总经理:微软新英格兰研究所、纽约市研究所和蒙特利尔研究所。蔡斯获得了许多领导力和科学贡献奖项，包括安妮塔·博格妇女视觉领导力奖，工业和应用数学学会的约翰·冯·诺伊曼奖，以及莱顿大学的荣誉博士学位。她是美国艺术与科学学院和国家科学院的成员。
蔡斯的研究领域包括计算机科学中的相变，以及包括建模和图形算法在内的网络的结构和动态特性。蔡斯是图元领域的发明者之一，它被广泛用于大规模网络的机器学习。她最近的工作重点是机器学习，包括在癌症免疫治疗、道德决策和气候变化中的理论和应用。
过去的会议
菲利普·阿提巴·戈夫博士-种族主义和警务:前进的道路(警务公平中心)- 7:50
Jennifer Chayes - COVID-19快速反应研究(加州大学伯克利分校)- 29:52
Nate Silver -信号和噪音:20年数据分析的重大教训(FiveThirtyEight.com) 51:07
种族主义和治安:前进的道路
菲利普·阿提巴·戈夫博士
戈夫博士的工作是探索种族偏见在哪些方面不是种族歧视的必要前提。也就是说，尽管有关于种族歧视的规范观点——即它源于偏见的显性或隐性态度——但他的研究表明，情境因素促进了种族不平等的结果。
戈夫博士的循证司法方法模型得到了国家科学基金会、司法部、罗素·塞奇基金会、W.K.凯洛格基金会、开放社会基金会、巴尔的摩开放社会研究所、大西洋慈善基金会、威廉·t·格兰特基金会、警察办公室、主要城市酋长协会、NAACP LDF、NIMH、SPSSI、伍德罗·威尔逊基金会、福特基金会和梅隆基金会等机构的支持。戈夫博士是总统的21世纪警务工作组的证人，并曾在国会议员和国会小组、参议院新闻发布会和白宫咨询委员会面前作证。
COVID-19和其他挑战的快速响应研究:加州大学机器学习和数据科学
詹妮弗·蔡斯教授
加州大学伯克利分校的计算、数据科学和社会部门(CDSS)正在推进基础研究，并教育下一代科学家和从业者利用计算和数据来解决紧迫的社会问题。在近代史上，没有任何社会挑战像COVID-19大流行那样影响深远和至关重要。应对这一复杂的全球挑战的解决方案将强调计算和数据科学的许多方面，从稀疏、有偏见和可变数据的分析;模拟人类互动的大型网络;通过筛选生物和化学数据来寻找治疗方法和疫苗;以更广泛地影响决策者和公众舆论。
在这次演讲中，我将描述CDSS的整体愿景，以及它如何改变加州大学伯克利分校的教育和研究，在一系列不同的项目之间建立桥梁，并打破传统的竖井式大学结构。2019冠状病毒病(COVID-19)大流行的出现加速了这一新司的工作以及它所促进的跨学科研究和合作。它还强调了大规模提供包容、严格的数据科学教育的重要性，这是伯克利项目的一个标志。我将举一些校园内的例子，说明如何利用计算和数据来应对大流行，以及这些挑战将如何强调底层数据系统的规模、性能、隐私和弹性，从而推动对Spark等系统的下一代需求。
信号与噪声:20年数据分析的重大教训
内特银
在这次技术主题演讲中，Nate将强调他从过去20年的数据分析中获得的最大经验教训，以及它如何与他建立选举模型的方法和预测中的挑战相关联。
