Artwork

Nội dung được cung cấp bởi Alex Molak. Tất cả nội dung podcast bao gồm các tập, đồ họa và mô tả podcast đều được Alex Molak hoặc đối tác nền tảng podcast của họ tải lên và cung cấp trực tiếp. Nếu bạn cho rằng ai đó đang sử dụng tác phẩm có bản quyền của bạn mà không có sự cho phép của bạn, bạn có thể làm theo quy trình được nêu ở đây https://vi.player.fm/legal.
Player FM - Ứng dụng Podcast
Chuyển sang chế độ ngoại tuyến với ứng dụng Player FM !

Causal Inference for Drug Repurposing & CausalLib | Ehud Karavani Ep 18 | CausalBanditsPodcast.com

53:32
 
Chia sẻ
 

Manage episode 424096507 series 3526805
Nội dung được cung cấp bởi Alex Molak. Tất cả nội dung podcast bao gồm các tập, đồ họa và mô tả podcast đều được Alex Molak hoặc đối tác nền tảng podcast của họ tải lên và cung cấp trực tiếp. Nếu bạn cho rằng ai đó đang sử dụng tác phẩm có bản quyền của bạn mà không có sự cho phép của bạn, bạn có thể làm theo quy trình được nêu ở đây https://vi.player.fm/legal.

Send us a text

Was Deep Learning Revolution Bad For Causal Inference?
Did deep learning revolution slowed down the progress in causal research?
Can causality help in finding drug repurposing candidates?
What are the main challenges in using causal inference at scale?
Ehud Karavani, the author of the CausalLib Python library and Researcher at IBM Research shares his experiences and thoughts on these challenging questions.
Ehud believes in the power of good code, but for him code is not only about software development.
He sees coding as an inseparable part of modern-day research.
A powerful conversation for anyone interested in applied causal modeling.
In this episode we discuss:

  • Can causality help in finding drug repurposing candidates?
  • Challenges in data processing for causal inference at scale
  • Motivation behind Python causal inference library CausalLib
  • Working at IBM Research Ready to dive in?

About The Guest
Ehud Karavani, MSc is Research Staff Member at IBM Research in the Causal Machine Learning for Healthcare & Life Sciences Group. He focuses on high-throughput causal inference for finding new indications for existing drugs using electronic health records and insurance claims data. He's the original author of Causallib - one of the first Python libraries specialized in causal inference.
Connect with Ehud:

About The Host
Aleksander (Alex) Molak is an independent machine learning researcher, educator, entrepreneur and a best-selling author in the area of causality.
Connect with Alex: Alex on the Internet
Links
Links for this episode can be found here
Video version of this episode can be found here.

Support the show

Causal Bandits Podcast
Causal AI || Causal Machine Learning || Causal Inference & Discovery
Web: https://causalbanditspodcast.com
Connect on LinkedIn: https://www.linkedin.com/in/aleksandermolak/
Join Causal Python Weekly: https://causalpython.io
The Causal Book: https://amzn.to/3QhsRz4

  continue reading

Chương

1. Causal Inference for Drug Repurposing & CausalLib | Ehud Karavani Ep 18 | CausalBanditsPodcast.com (00:00:00)

2. [Ad] Rumi.ai (00:20:23)

3. (Cont.) Causal Inference for Drug Repurposing & CausalLib | Ehud Karavani Ep 18 | CausalBanditsPodcast.com (00:21:12)

28 tập

Artwork
iconChia sẻ
 
Manage episode 424096507 series 3526805
Nội dung được cung cấp bởi Alex Molak. Tất cả nội dung podcast bao gồm các tập, đồ họa và mô tả podcast đều được Alex Molak hoặc đối tác nền tảng podcast của họ tải lên và cung cấp trực tiếp. Nếu bạn cho rằng ai đó đang sử dụng tác phẩm có bản quyền của bạn mà không có sự cho phép của bạn, bạn có thể làm theo quy trình được nêu ở đây https://vi.player.fm/legal.

Send us a text

Was Deep Learning Revolution Bad For Causal Inference?
Did deep learning revolution slowed down the progress in causal research?
Can causality help in finding drug repurposing candidates?
What are the main challenges in using causal inference at scale?
Ehud Karavani, the author of the CausalLib Python library and Researcher at IBM Research shares his experiences and thoughts on these challenging questions.
Ehud believes in the power of good code, but for him code is not only about software development.
He sees coding as an inseparable part of modern-day research.
A powerful conversation for anyone interested in applied causal modeling.
In this episode we discuss:

  • Can causality help in finding drug repurposing candidates?
  • Challenges in data processing for causal inference at scale
  • Motivation behind Python causal inference library CausalLib
  • Working at IBM Research Ready to dive in?

About The Guest
Ehud Karavani, MSc is Research Staff Member at IBM Research in the Causal Machine Learning for Healthcare & Life Sciences Group. He focuses on high-throughput causal inference for finding new indications for existing drugs using electronic health records and insurance claims data. He's the original author of Causallib - one of the first Python libraries specialized in causal inference.
Connect with Ehud:

About The Host
Aleksander (Alex) Molak is an independent machine learning researcher, educator, entrepreneur and a best-selling author in the area of causality.
Connect with Alex: Alex on the Internet
Links
Links for this episode can be found here
Video version of this episode can be found here.

Support the show

Causal Bandits Podcast
Causal AI || Causal Machine Learning || Causal Inference & Discovery
Web: https://causalbanditspodcast.com
Connect on LinkedIn: https://www.linkedin.com/in/aleksandermolak/
Join Causal Python Weekly: https://causalpython.io
The Causal Book: https://amzn.to/3QhsRz4

  continue reading

Chương

1. Causal Inference for Drug Repurposing & CausalLib | Ehud Karavani Ep 18 | CausalBanditsPodcast.com (00:00:00)

2. [Ad] Rumi.ai (00:20:23)

3. (Cont.) Causal Inference for Drug Repurposing & CausalLib | Ehud Karavani Ep 18 | CausalBanditsPodcast.com (00:21:12)

28 tập

Tất cả các tập

×
 
Loading …

Chào mừng bạn đến với Player FM!

Player FM đang quét trang web để tìm các podcast chất lượng cao cho bạn thưởng thức ngay bây giờ. Đây là ứng dụng podcast tốt nhất và hoạt động trên Android, iPhone và web. Đăng ký để đồng bộ các theo dõi trên tất cả thiết bị.

 

Hướng dẫn sử dụng nhanh

Nghe chương trình này trong khi bạn khám phá
Nghe