リナ・フォイゲル・バーバー

リナ・フォイゲル・バーバー（1982年または1983年生まれ）はアメリカの統計学者であり、グラフィカルモデルのベイズ統計、偽発見率、正則化に関する研究を行っている。彼女はシカゴ大学のルイス・ブロック統計学教授である。^{[1] [2]}

リナ・フォイゲルはウクライナのオデッサで生まれました。^[3]ブラウン大学 に入学し、2005年に数学の理学士号を取得しました。^[1] 2005年から2007年までボルチモアのパークスクールで数学を教えていました。 ^[1] 2012年にシカゴ大学で修士号を取得し、博士号を取得しました。彼女の学位論文「スパースまたは低ランク構造を持つ高次元データの予測とモデル選択」は、マティアス・ドロンとネイサン・スレブロの共同指導を受けました。^[4]スタンフォード大学でエマニュエル・カンデスとともに博士研究員として研究を行った後、シカゴ大学に戻り教員となりました。^[5]

バーバーは2016年にスローン研究フェローシップを受賞しました^。[6] 2017年に数理統計研究所は彼女に「グラフィカルモデルの識別可能性、低ランク行列推定、偽発見率理論など、高次元統計における画期的な貢献... [および] 制御変数選択のためのノックオフフィルターの開発」に対してトゥイーディー新人研究者賞を授与しました。^[5]

彼女は、「ノックオフフィルタの開発を含む選択的推論への画期的な貢献」、「ジャックナイフ+や共変量シフトへの共形推論の適応を含むモデルフリー予測推論への画期的な貢献」、「学生や若手研究者への講師、コミュニケーター、研究アドバイザーとしてあらゆる点で模範となること」により、2023年に数理統計研究所のフェローに選出されました。^[7]

また、2023年には、「高次元データモデルにおける誤検知を減らし、信頼性を向上させるツールの開発」によりマッカーサーフェローシップを受賞した。マッカーサー財団は特にノックオフフィルタリングとジャックナイフ+の開発を引用し、「統計、機械学習、データサイエンスの交差点におけるバーバーの革新的な研究は、高次元データセットの使用に伴う課題を克服するために極めて重要である」と記している。^[8]

• Google Scholarにインデックスされた Rina Foygel Barber の出版物
• ホームページ