바산트 다르
Vasant Dhar
바산트 다르 | |
|---|---|
 Vanatt Dhar, 전 빅 데이터 저널 편집장; Stern 경영대학원 교수; 교수, NYU 데이터 과학 센터 | |
| 국적 | 인디언 |
| 모교 | 피츠버그 대학교 인도 공과대학 델리 로렌스 스쿨 사나와르 |
| 과학 경력 | |
| 필드 | 데이터 과학. 정보 시스템 머신러닝 인공지능 빅 데이터 금융 |
| 기관 | 뉴욕 대학교 |
바산트 다르는 뉴욕대 스턴 경영대학원 및 데이터과학센터 교수로,[1] 전 빅 데이터 저널 편집장이었으며,[2] 90년대 뉴욕시에서 최초의 머신러닝 기반 헤지펀드 중 하나인 SCT 캐피털의 설립자다.그의 연구는 인공지능과 머신러닝 분야의 기술과 원리를 이용하여 대규모 데이터 출처로부터 확장 가능한 의사 결정 시스템을 구축하는 데 초점을 맞추고 있다.
조기생활과 교육
그는 사나와르의 로렌스 스쿨을 졸업한 사람으로, 자신도 모르게 부모가 준 최고의 선물 중 하나로 여긴다.다르는 1978년 인도 공과대학 델리를 B학점으로 졸업했다.화학 공학 기술자.이후 피츠버그대에 진학해 M학점을 받았다.1984년 필과 박사학위 취득.박사학위를 취득한 후, 그는 뉴욕 대학교의 교수진에 들어갔다.그는 1994년과 1997년 사이에 모건 스탠리에서 일하면서 금융 시장과 고객 행동을 예측하는 데 초점을 맞춘 데이터 마이닝 그룹을 만들었다.
경력 하이라이트
다르는 인공지능 연구자 겸 데이터 과학자로, 연구는 언제 의사결정이 가능한 AI 시스템을 신뢰할 수 있는가라는 질문을 다룬다.이 질문은 특히 현재 진행 중인 데이터를 학습하고 적응하는 현재의 자율 기계 학습 기반 시스템과 관련이 있다.
다르의 연구는 의료, 스포츠, 교육, 사업과 같은 분야뿐만 아니라 가장 두드러진 금융 등 여러 분야에서 예측 모델을 구축하는 데 동기부여를 받아왔다.왜 우리는 다른 분야가 아닌 어떤 분야에서는 기계를 신뢰하려고 하는가?
다르의 견해는 우리가 진행중인 데이터로부터 배우는 기계에 완전한 의사결정권을 부여할 때 불연속성이 있다는 것이다.이러한 불연속성은 특히 그러한 시스템에 의해 만들어진 오류 주변의 위험들을 도입하며, 이러한 오류들에 대한 우리의 신뢰도에 직접적인 영향을 미친다.
다르의 연구는 두 가지 위험 기반 차원 즉 예측 가능성 또는 시스템이 얼마나 자주 실수를 하는지(X축)와 그러한 실수에 대한 관련 오류 비용(Y축)을 통해 신뢰를 무너뜨린다.이 연구는 시스템이 얼마나 자주 잘못될 것인가와 그러한 실수로 인한 결과 사이의 절충을 나타내는 "자동화 변경"의 존재를 보여준다.신뢰, 그리고 따라서 기계에 의사결정에 대한 통제권을 넘겨주려는 우리의 의지는 예측가능성이 증가하고 오류 비용이 감소함에 따라 증가한다.즉, 기계가 너무 많은 실수를 하지 않고 그 비용이 견딜 수 있다면 우리는 기꺼이 기계를 신뢰한다.실수가 증가함에 따라, 우리는 그들의 결과가 비용이 덜 들도록 요구한다.
자동화 개척은 일의 미래에 대해 생각할 수 있는 자연스러운 방법을 제공한다.점점 더 많은 데이터와 알고리즘이 개선되면서 기존 프로세스의 일부는 예측 가능성 증가로 자동화되어 자동화 영역을 넘어 "기계 신뢰" 영역으로 넘어가는 반면, 오류 비용이 높은 부분은 인간의 통제 하에 있다.이 모델은 의사결정을 한 인간보다 더 많은 데이터와 더 나은 알고리즘이 더 좋아짐에 따라 인간과 기계의 책임 변화에 대해 생각할 수 있는 방법을 제공한다.
다르는 또한 AI 기반 소셜 미디어 플랫폼의 위험과 프라이버시, 윤리적 사용 및 데이터 거버넌스 등의 문제에 관한 정책 이슈를 틀기 위해 프레임워크를 사용한다.그는 인공지능, 인공지능 플랫폼의 사회적 위험, 데이터 거버넌스, 프라이버시, 윤리, 신뢰 등에 대해 정기적으로 언론에 글을 쓴다.그는 산업 포럼뿐만 아니라 학술 포럼에서도 자주 연설한다.
다르 교수는 체계적 투자, 예측, 데이터 과학, 핀테크 기반에 대한 강의를 한다.그는 국립과학재단과 같은 산업계와 정부 기관의 보조금으로 100개 이상의 연구 논문을 썼다.
참고 항목
참조
- ^ "Center for Data Science - New York University". NYU Center for Data Science. Retrieved 2015-10-20.[필요하다]
- ^ "Big Data". www.liebertpub.com. Retrieved 2015-10-20.[필요하다]
