Haupt Andere Jeff Goldsmith

Jeff Goldsmith

Biografie

Jeff Goldsmith arbeitet seit mehreren Jahren daran, den Stand der Technik in der funktionalen Datenanalyse voranzutreiben, indem er Methoden zum Verständnis von Mustern in großen, komplexen Datensätzen in den Neurowissenschaften, der Überwachung der körperlichen Aktivität und anderen Bereichen entwickelt. In enger Zusammenarbeit mit Klinikern und Neurowissenschaftlern auf der ganzen Welt haben er und seine Mitarbeiter sich darauf konzentriert, das Verständnis von qualifizierten Bewegungen zu verbessern. Bei dieser Arbeit handelt es sich um Greifbewegungen von Schlaganfallpatienten: In diesen Experimenten wird die Fingerkuppenposition eines Patienten Hunderte Male pro Sekunde für die Dauer des Greifens aufgezeichnet. Dr. Goldsmith hat neue statistische Methoden entwickelt, um den Einfluss von Schlaganfällen auf die Bewegungsqualität zu verstehen, und diese auf große Längsschnittdatensätze angewendet. Parallel dazu hat er Methoden für die Erforschung tragbarer Geräte vorgeschlagen, insbesondere mit dem Schwerpunkt auf Beschleunigungsmessern. Diese Geräte können minutengenau (oder noch feiner) Aktivitätsbeobachtungen für Hunderte von Teilnehmern über mehrere Tage, Wochen oder Monate hinweg erstellen. Die entwickelten Methoden umfassen Regressionsansätze mit Aktivitätsverläufen als Ergebnis; zur interpretierbaren Dimensionsreduktion; und zum Abgleichen wichtiger Muster (wie Aufwachen aus dem Schlaf, Aktivitätseinbrüche am Mittag und Einschlafen) zwischen den Probanden. Dr. Goldsmith hat daran gearbeitet, datenwissenschaftliche Techniken für Transparenz und Reproduzierbarkeit in biostatistische Analysen zu integrieren. Forschungsprojekte werden von robuster, öffentlich verfügbarer Software und analytischen Pipelines begleitet, die die Reproduzierbarkeit der Ergebnisse sicherstellen. Dieser Ansatz wird durch seine Arbeit in der Lehre von Data Science geprägt.

Bildung

PhD, 2012, Johns Hopkins School of Public Health BS, 2007, Dickinson College

Publikationen auswählen

Goldschmied J, Huang L, Crainiceanu C M (2014). Glatte Skalar-auf-Bild-Regression über die Auswahl räumlicher Bayesscher Variablen. Journal of Computational and Graphical Statistics, 23 46-64. Goldschmied J, Scheipl F (2014). Auswahl und Kombination von Schätzern in der Skalar-auf-Funktions-Regression. Computerstatistik und Datenanalyse, 70 362-372. Goldschmied J, Greven S, Crainiceanu C M, (2013). Korrigierte Konfidenzbänder für Funktionsdaten unter Verwendung von Hauptkomponenten. Biometrie, 69 41-51. Goldsmith, J, Crainiceanu, CM, Caffo, BS, Reich, DS Longitudinal Penalized Functional Regression for Cognitive Outcomes on Neuronal Tract Measurements Journal of the Royal Statistical Society: Series C 61 453-469 2012 Goldsmith, J, Caffo, BS, Crainiceanu, CM, Du, Y, Reich, DS, Hendrix, CW Nichtlineare Rohrverschraubung zur Analyse anatomischer und funktioneller Strukturen Annals of Applied Statistics 5 337-363 2011 Goldsmith, J, Bobb, J, Crainiceanu, CM, Caffo, BS , Reich, DS Penalized Functional Regression Journal of Computational and Graphical Statistics 20 830-851 2011 Goldsmith, J, Wand, MP, Crainiceanu, CM Functional Regression via Variational Bayes Electronic Journal of Statistics 5 572-602 2011

Zurück nach oben

Interessante Artikel