内特银

菲利普博士Atiba高夫,种族主义和治安:前进道路(警务中心股权)- 7:50
詹妮弗·柴叶斯——快速反应研究COVID-19(加州大学伯克利分校)——29:52
Nate Silver -信号和噪声:大教训20年的数据分析(FiveThirtyEight.com) - 51:07

---

种族主义和治安:前进道路
菲利普博士Atiba高夫

高飞博士进行工作探索种族偏见的方式不是一个种族歧视的必要前提。也就是说,尽管种族歧视的规范性观点源自偏见显式或隐式attitudes-his研究表明情境因素促进种族不平等的结果。

高飞博士的模型,以证据为基础的司法方法已经在美国国家科学基金会的支持下,司法部,罗素鼠尾草基金会W.K.凯洛格基金会,开放社会基金会,开放社会Institute-Baltimore,大西洋慈善基金会,威廉·t·格兰特基金会,警察办公室,主要城市主管协会法律辩护基金全国有色人种协进会,镍氢,SPSSI,伍德罗·威尔逊基金会,福特基金会,梅隆基金会等等。高飞博士是一个21世纪见证总统工作队的治安和提出了国会议员和国会面板之前,参议院举行的新闻发布会上,白宫顾问委员会。

---

快速反应研究COVID-19和其他挑战:机器学习和数据科学卡尔
珍妮弗·柴叶斯教授

分工的计算、数据科学与社会(CDSS)在加州大学伯克利分校是推进基础研究和教育下一代的科学家和从业者利用计算和数据紧迫的社会问题。在最近的历史,没有社会的挑战一样深远和重要COVID-19大流行。解决这个复杂的全球性挑战,将应力计算和数据科学的许多方面,从分析稀疏,偏见,和可变数据;模拟大型网络的人机交互;筛选生物和化学数据找到治疗和疫苗;影响政策制定者和公众舆论更广泛。

在这次演讲中,我将描述的整体视觉信用违约互换,以及它是如何改变在加州大学伯克利分校的教育和研究,构建桥梁在不同类型的程序,破坏了传统的孤立的大学结构。COVID-19流感大流行的出现加速了过渡的新部门,促进跨学科研究和协作。它还凸显了交付包容的重要性,严格的数据科学教育规模,伯克利项目的一个特点。我将利用例子来自校园的计算和数据被用于解决大流行,以及这些挑战将强调规模、性能、隐私,以及底层数据系统的应变能力,要求系统的下一代像火花。

---

信号和噪声:大教训20年的数据分析
内特银

在这个技术主题,奈特将强调他最大的教训过去20年的数据分析,以及它如何与他的选举方法构建模型在预测和挑战。