Michal Rosen-Zvi ( hebreo : מיכל רוזן-צבי ) es un académico e investigador israelí en los campos de la inteligencia artificial y el aprendizaje profundo y sus aplicaciones a la atención médica. Es directora de investigación de Informática sanitaria en IBM Research en Haifa . [1]
Después de completar un doctorado en física computacional en la Universidad Bar-Ilan , Rosen-Zvi realizó estudios postdoctorales en aprendizaje automático en UC Berkeley , UC Irvine y la Universidad Hebrea . [3] [4]
Trabaja para IBM desde 2005 y es directora de informática sanitaria en IBM Research en Haifa. [3] [5] Se ha especializado en los campos del análisis de imágenes médicas, el aprendizaje automático y la computación cognitiva, incluida la creación de un conjunto de datos estructurados sobre las respuestas gubernamentales a la pandemia de COVID-19 de 2020 basado en la cobertura de Wikipedia . [6] Es miembro del Consejo Nacional Israelí de Salud e Innovación Digital. [4]
También ha enseñado en varias facultades, incluida la Escuela de Administración Coller de la Universidad de Tel Aviv [3] y la Facultad de Medicina de la Universidad Hebrea. [4]
Rosen-Zvi es conocida por su trabajo en clasificación de documentos , donde introdujo el modelo autor-tema. [7] Esta es una extensión de la asignación latente de Dirichlet , un método para comprender las frecuencias de palabras de los documentos ajustándolas a un modelo en el que un documento está asociado con una mezcla de temas, cada uno de los cuales es una distribución de probabilidad sobre palabras. El modelo autor-tema fue introducido en un artículo de Rosen-Zvi y otros tres autores en 2004. Agrega la identidad de los autores de los documentos y sus preferencias por los temas al modelo, y se convirtió en "uno de los primeros intentos de modelar los intereses de autores" utilizados en esta área del aprendizaje automático . [8]
La investigación más reciente de Rosen-Zvi se ha centrado en la aplicación de técnicas de aprendizaje automático a problemas de la atención sanitaria, incluido el diagnóstico médico, la elección del tratamiento y la inferencia causal en la observación de tratamientos médicos y sus resultados.