دانشجوی دکتری در یادگیری و تصمیمگیری تحت عدم قطعیت برای سلامت عمومی
توسعه روشهای پیشرفته یادگیری ماشین برای تصمیمگیری تطبیقی در سلامت عمومی و اپیدمیولوژی.
مناسب برای:مناسب برای داوطلبانی که پایه قوی در یادگیری ماشین، مدلسازی آماری دارند و مشتاق به کارگیری هوش مصنوعی در چالشهای سلامت عمومی هستند.
مرور کلی
این دوره دکتری در دانشگاه بریستول بر پیشبرد یادگیری ماشین و تکنیکهای آماری برای تصمیمگیری تحت عدم قطعیت با کاربرد در سلامت عمومی و اپیدمیولوژی تمرکز دارد. این پروژه به بررسی یادگیری تقویتی، نظریه تصمیم بیزی و بهینهسازی تصادفی برای مقابله با چالشهای کسب دادههای تطبیقی، مداخلات متوالی و یادگیری مقاوم در سیستمهای پویا میپردازد. این تحقیق از مدلسازی احتمالی، بازنماییهای مبتنی بر شبکه و روشهای مدرن هوش مصنوعی برای ایجاد ابزارهای تصمیمگیری مقیاسپذیر و قابل تفسیر استفاده خواهد کرد. این ابزارها در مسائل دنیای واقعی مانند نظارت تطبیقی بر بیماریها، پایش شیوع و تخصیص منابع به کار گرفته خواهند شد. داوطلب ایدهآل تحت نظارت دکتر Mengyan Zhang کار خواهد کرد که تخصص او شامل تصمیمگیری متوالی و تحقیقات سلامت عمومی است.
نحوهٔ درخواست
برای دیدن امتیاز تطابق شخصی، نیازمندیها، جزئیات بودجه و نحوهٔ درخواست — به انگلیسی یا فارسی — حساب کاربری رایگان بساز.