Emily Fox est une chercheuse américaine spécialisée dans les mathématiques appliquées et l'informatique. Née le 25 mai 1990 à Lafayette, en Louisiane, elle a grandi près de Baton-Rouge. Elle est connue pour ses contributions aux domaines de l'apprentissage automatique et de la mécanique statistique.
En 2015, Fox a obtenu son doctorat à l'Université Stanford en informatique sous la direction de Michael Jordan. Sa thèse était intitulée "Bridging the Gap Between Structured and Unstructured Learning: A Kernel Approach".
Depuis juillet 2019, Emily Fox est professeure d'informatique et chercheuse au MIT Media Lab. Elle a rejoint ce laboratoire à la suite de son séjour post-doctoral à Stanford, où elle travaillait avec Percy Liang et Jure Leskovec.
Elle est connue pour ses contributions significatives aux domaines de l'apprentissage automatique, tels que le maniement des données grandioses, la sélection d'algorithmes, la mécanique statistique et l'inverse des problèmes d'optimisation. Son travail a été publié dans les journaux mathématiques de pointe comme Machine Learning, Journal of Machine Learning Research, Proceedings of the National Academy of Sciences, et les conférences en informatique telles que le Conference on Neural Information Processing Systems (NIPS), la Conference on Learning Theory (COLT) et la Society for Industrial and Applied Mathematics (SIAM).
En 2017, Emily Fox a été distinguée par l'Association pour l'Intelligence Artificielle en recevant le prix MacArthur Genius. Elle est également récipiendaire de bourses prestigieuses telles que la National Science Foundation CAREER Award et la Sloan Research Fellowship.
En 2015, Fox a obtenu son doctorat à l'Université Stanford en informatique sous la direction de Michael Jordan. Sa thèse était intitulée "Bridging the Gap Between Structured and Unstructured Learning: A Kernel Approach".
Depuis juillet 2019, Emily Fox est professeure d'informatique et chercheuse au MIT Media Lab. Elle a rejoint ce laboratoire à la suite de son séjour post-doctoral à Stanford, où elle travaillait avec Percy Liang et Jure Leskovec.
Elle est connue pour ses contributions significatives aux domaines de l'apprentissage automatique, tels que le maniement des données grandioses, la sélection d'algorithmes, la mécanique statistique et l'inverse des problèmes d'optimisation. Son travail a été publié dans les journaux mathématiques de pointe comme Machine Learning, Journal of Machine Learning Research, Proceedings of the National Academy of Sciences, et les conférences en informatique telles que le Conference on Neural Information Processing Systems (NIPS), la Conference on Learning Theory (COLT) et la Society for Industrial and Applied Mathematics (SIAM).
En 2017, Emily Fox a été distinguée par l'Association pour l'Intelligence Artificielle en recevant le prix MacArthur Genius. Elle est également récipiendaire de bourses prestigieuses telles que la National Science Foundation CAREER Award et la Sloan Research Fellowship.
