机器学习在高风险应用中的应用

关于作者

Patrick Hall是BNH.AI 的首席科学家，他为财富 500 强企业和尖端初创公司提供人工智能风险方面的咨询，并开展研究以支持 NIST 的人工智能风险管理框架。他还是乔治-华盛顿商学院决策科学系的客座教师，教授数据伦理、商业分析和机器学习课程。

在共同创建 BNH 之前，Patrick 领导了H2O.ai在负责任的人工智能领域的工作，在机器学习的可解释性和减少偏差方面取得了世界首批商业应用成果。他还曾在 SAS Institute 担任过面向全球客户的职位和研发研究职位。Patrick 曾在伊利诺伊大学学习计算化学，后从北卡罗来纳州立大学高级分析研究所毕业。

Patrick 曾受邀在美国国家科学院、工程院和医学院、ACM SIG-KDD 和联合统计会议上就可解释人工智能相关主题发表演讲。他曾为McKinsey.com、O'Reilly Radar 和Thompson Reuters Regulatory Intelligence 等媒体撰写文章，《财富》、《连线》、InfoWorld、TechCrunch 等媒体也曾报道过他的技术工作。

詹姆斯-柯蒂斯（James Curtis）是 Solea Energy 公司的定量研究员，主要研究如何利用统计预测进一步推动美国电网的去碳化。他曾担任金融服务机构、保险公司、监管机构和医疗保健提供商的顾问，帮助建立更公平的 AI/ML 模型。詹姆斯拥有科罗拉多矿业学院数学硕士学位。

Parul Pandey拥有电子工程背景，目前在 H2O.ai 担任首席数据科学家。在此之前，她曾在 Weights & Biases 担任机器学习工程师。她还是 Kaggle 笔记本类别的特级大师，也是 2019 年 LinkedIn 软件开发类别的热门声音之一。Parul 为各种出版物撰写了多篇关于数据科学和软件开发的文章，并就负责任的人工智能相关主题进行指导、演讲和举办研讨会。