Эмили Бет Фокс — американский специалист по данным и статистик, профессор статистики в Стэнфордском университете и руководитель компании по исследованию лекарств insitro. Ее исследования применяют байесовское моделирование временных рядов , иерархические процессы Дирихле и методы Монте-Карло к проблемам в области здравоохранения и неврологии . [1]
Фокс специализировалась на электротехнике в Массачусетском технологическом институте (MIT), который окончила в 2004 году. Она продолжила обучение в MIT, чтобы получить степень магистра в 2005 году [2] и степень доктора философии в 2009 году, защитив диссертацию на тему «Байесовское непараметрическое обучение сложным динамическим явлениям» под совместным руководством Алана С. Уиллски и Джона У. Фишера III. [2] [3]
После постдокторских исследований в Университете Дьюка она стала доцентом статистики в Школе Уортона Пенсильванского университета в 2011 году. Она перешла в Вашингтонский университет в 2012 году на должность доцента по статистике Amazon Machine Learning. Она была повышена до доцента и полного профессора в 2016 и 2020 годах соответственно. С 2018 по 2021 год она также была выдающимся инженером и руководителем отдела искусственного интеллекта в здравоохранении в Apple Inc. [ 2] В 2021 году она перешла на свою нынешнюю должность профессора статистики в Стэнфорде. [1] [2]
В 2024 году компания Insitro, занимающаяся разработкой лекарственных препаратов, объявила, что наняла Фокса на должность старшего вице-президента по искусственному интеллекту/машинному обучению. [4]
Фокс был стипендиатом фонда Слоуна с 2015 по 2017 год, а в 2017 году стал обладателем Президентской премии за раннюю карьеру для ученых и инженеров . [2]
В 2024 году она была названа членом Института математической статистики «за широкомасштабную и весьма плодотворную основополагающую работу по крупномасштабному байесовскому динамическому моделированию, моделям разреженных сетей и связанной с этим разработке эффективных вычислительных алгоритмов для байесовского вывода, а также для приложений в здравоохранении и изучении биомедицины. алгоритмов для байесовского вывода». [5]