Emma Pierson (scientifique, informaticienne)
Emma Pierson (Arlington, en Virginie) est une scientifique informaticienne américaine qui s'est spécialisé dans l'intelligence artificielle[1]. Elle a obtenu un diplôme en physique et une maîtrise en sciences informatiques de l'Université de Stanford, où elle a étudié la psychologie cognitive et la bio-informatique. Elle a obtenu une Bourse Rhodes[2] pour son travail sur l'utilisation des ordinateurs pour résoudre des problèmes biologiques, et en particulier pour avoir travaillé sur des traitements contre le cancer[3].
| Formation |
Université Stanford Thomas Jefferson High School for Science and Technology (en) |
|---|---|
| Activité |
Pour Nicolas Kristoff"s "Sur le Terrain" (dans Le New York Times), elle a contribué à "How to Get More Women to Join the Debate", une contribution sur l'égalité des sexes et les médias sociaux[4], et un suivi sur sa méthodologie[5].
Emma Pierson travaille avec le GTEx Consortium et utilise des algorithmes pour étudier les tissus spécifiques de l'expression des gènes dans une tentative de comprendre les maladies complexes pour lesquelles la disponibilité limité des échantillons rend les méthodes de recherche traditionnelles impraticables[6].
Liens externes
- Obsession with Regression (blog)
Références
- (en) Emma Pierson, « Knowing You Carry a Cancer Gene », The New York Times,‎ (lire en ligne, consulté le )
- (en) Frederick Kunkle, « Four Virginian students among Rhodes Scholarship recipients - The Washington Post », The Washington Post,‎ (lire en ligne, consulté le )
- (en) Nehan Chatoor, « Passion and academic acumen lead Pierson to Rhodes », The Stanford Daily, Stanford, California,‎ (lire en ligne, consulté le )
- (en) Emma Pierson, « How to Get More Women to Join the Debate », The New York Times,‎ (lire en ligne, consulté le )
- (en) Emma Pierson, « How to Get More Women to Join the Debate, Part II », The New York Times,‎ (lire en ligne, consulté le )
- « Sharing and Specificity of Co-expression Networks across 35 Human Tissues », sur PLOS Computational Biology, (consulté le )