Artwork

Treść dostarczona przez Alex Molak. Cała zawartość podcastów, w tym odcinki, grafika i opisy podcastów, jest przesyłana i udostępniana bezpośrednio przez Alex Molak lub jego partnera na platformie podcastów. Jeśli uważasz, że ktoś wykorzystuje Twoje dzieło chronione prawem autorskim bez Twojej zgody, możesz postępować zgodnie z procedurą opisaną tutaj https://pl.player.fm/legal.
Player FM - aplikacja do podcastów
Przejdź do trybu offline z Player FM !

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

53:32
 
Udostępnij
 

Manage episode 424096507 series 3526805
Treść dostarczona przez Alex Molak. Cała zawartość podcastów, w tym odcinki, grafika i opisy podcastów, jest przesyłana i udostępniana bezpośrednio przez Alex Molak lub jego partnera na platformie podcastów. Jeśli uważasz, że ktoś wykorzystuje Twoje dzieło chronione prawem autorskim bez Twojej zgody, możesz postępować zgodnie z procedurą opisaną tutaj https://pl.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

Rozdziały

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 odcinków

Artwork
iconUdostępnij
 
Manage episode 424096507 series 3526805
Treść dostarczona przez Alex Molak. Cała zawartość podcastów, w tym odcinki, grafika i opisy podcastów, jest przesyłana i udostępniana bezpośrednio przez Alex Molak lub jego partnera na platformie podcastów. Jeśli uważasz, że ktoś wykorzystuje Twoje dzieło chronione prawem autorskim bez Twojej zgody, możesz postępować zgodnie z procedurą opisaną tutaj https://pl.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

Rozdziały

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 odcinków

Wszystkie odcinki

×
 
Loading …

Zapraszamy w Player FM

Odtwarzacz FM skanuje sieć w poszukiwaniu wysokiej jakości podcastów, abyś mógł się nią cieszyć już teraz. To najlepsza aplikacja do podcastów, działająca na Androidzie, iPhonie i Internecie. Zarejestruj się, aby zsynchronizować subskrypcje na różnych urządzeniach.

 

Skrócona instrukcja obsługi