Isaac Rankin, mahasiswa PhD statistika di University of British Columbia, meneliti inferensi tepat dengan metode komputasi aproksimasi. Penelitiannya berada di Faculty of Science dan terkait upaya yang lebih luas untuk membuat metode statistika tingkat lanjut tetap kuat secara teori sekaligus bisa dipakai dalam riset ilmiah.
Fakta utama
- Rankin menempuh Doctor of Philosophy in Statistics (PhD) di UBC.
- Topik penelitiannya adalah exact inference with approximate computational methods.
- Ia dibimbing oleh Saifuddin Syed dan Charles Margossian.
- Ia terpilih untuk Canada Graduate Research Scholarships Doctoral (CGRS D) Program dan Four Year Doctoral Fellowship (4YF).
- Rankin berasal dari Comox Valley di Kanada.
Apa arti ini bagi mahasiswa pascasarjana dan pendaftar?
Kisah Rankin menunjukkan lingkungan riset yang ditawarkan UBC kepada mahasiswa doktoral statistika: perpaduan metode Bayesian dan komputasi dengan riset yang dapat diimplementasikan dan dimanfaatkan lebih luas. Bagi pendaftar yang tertarik pada bidang ini, contoh tersebut memperlihatkan bahwa UBC mendukung pekerjaan pada metode lanjutan seperti enhanced sampling, variational inference, dan generative models.
Implikasi praktisnya, mahasiswa yang ingin bekerja di persimpangan teori, komputasi, dan aplikasi dapat menemukan kecocokan di program PhD statistika UBC. Rankin menyebut fakultas di departemen itu, bersama alat seperti Stan, GPyTorch, dan Pigeons.jl, membantu membuat program ini menarik karena memadukan kerja teoretis, implementasi, dan kolaborasi.
- Program: Doctor of Philosophy in Statistics (PhD)
- Fakultas: Faculty of Science
- Pembimbing: Saifuddin Syed dan Charles Margossian
- Penghargaan terpilih: CGRS D dan 4YF
Mengapa Rankin memilih UBC?
Rankin mengatakan ia memilih UBC karena menurutnya departemen statistika kampus itu adalah yang terbaik di Kanada untuk metode Bayesian dan komputasi. Ia juga menilai lokasi Vancouver mendukung kegiatan bersepeda dan bermain ski, sehingga cocok secara pribadi.
Sebelum ke UBC, ia belajar di Oxford dan mengerjakan diffusion models untuk molecular generation selama program MSc-nya. Ia mengatakan bahwa beberapa penelitian NSERC di tingkat sarjana dan gelar Oxford membantunya siap untuk riset produktif di UBC.
Apa isi risetnya?
Riset Rankin menjawab persoalan umum dalam komputasi ilmiah: metode tepat bisa terlalu lambat, sedangkan metode aproksimasi bisa lebih cepat tetapi kehilangan jaminan. Karyanya meneliti cara memulihkan jaminan itu melalui aproksimasi yang terbukti benar serta melalui metode yang tahan terhadap misspecification sambil tetap mempertahankan sifat kunci yang dibutuhkan untuk keputusan lanjutan.
Ia mengatakan minat utamanya adalah jaminan teoretis itu sendiri, bersama metode praktis untuk enhanced sampling, variational inference, dan generative models.
Apa yang ditawarkan program ini kepada mahasiswa?
Menurut Rankin, departemen statistika UBC memiliki sejumlah fakultas yang bekerja pada metode Bayesian dan komputasi. Ia juga menyoroti penekanan departemen pada penyediaan metode secara luas melalui perangkat lunak dan kolaborasi dengan kelompok riset lain.
Bagi mahasiswa, itu berarti program ini bukan hanya soal teori. Program ini juga menawarkan paparan pada implementasi yang dapat memengaruhi kerja ilmiah di luar departemen itu sendiri.
Pertanyaan yang sering diajukan
Apa yang dipelajari Isaac Rankin di UBC?
Ia menempuh PhD in Statistics di UBC, dengan riset yang berfokus pada exact inference menggunakan metode komputasi aproksimasi. Karyanya bertujuan menjaga jaminan yang berguna sambil tetap memanfaatkan teknik aproksimasi yang lebih cepat.
Penghargaan apa yang diterima Isaac Rankin?
Ia terpilih untuk Canada Graduate Research Scholarships Doctoral (CGRS D) Program dan Four Year Doctoral Fellowship (4YF).
