Ang mga Isip
Sa Likod ng Agham

Si Martin Spindler ay isang Propesor ng Data Science, Statistics at Econometrics sa University of Hamburg at ang founder ng Economic AI™. Nagdadalubhasa sa teorya at aplikasyon ng Machine Learning at AI — lalo na ang Causal Machine Learning — siya ay may mga degree mula sa University of Regensburg at University of Munich, kung saan din niya nakuha ang kanyang PhD. Isang regular na visiting scholar sa MIT, itinatag ni Martin ang Economic AI™ upang tulungan ang mga negosyo na gamitin ang mga state-of-the-art na solusyon para sa competitive advantage.

Si Sven Klaassen ang Head ng Software Development sa Economic AI™. Nakuha niya ang Master sa Business Mathematics at Ph.D. sa Economics mula sa University of Hamburg. Noong 2022 si Sven ay isang visiting scholar sa MIT at aktibong nagtatrabaho sa pananaliksik sa kombinasyon ng Machine Learning at Causal Inference. Sa kasalukuyan, pinapanatili at pinalawak niya ang open-source package na DoubleML.

Si Philipp Bach ang Head ng Trainings at Executive Education at masigasig sa pagtuturo ng mga pangunahing at advanced na paksa ng Causal ML. Sa kasalukuyan ay hawak niya ang posisyon ng post-doctoral researcher sa University of Hamburg. Ang kanyang pananaliksik ay nakatuon sa mga implementasyon at aplikasyon ng mga cutting-edge na approach ng Causal ML.

Si Jan Rabenseifner ay isang Data Scientist sa Economic AI™. Sa kasalukuyan ay kumukuha siya ng kanyang Ph.D. sa Statistics sa University of Hamburg. Ang kanyang mga interes sa pananaliksik ay nasa mga larangan ng Causal Inference, Forecast Evaluation sa high-dimensional na setting, Deep Learning, at Machine Learning.

Si Lucas Moreira Gomes ay isang Data Scientist sa Economic AI™. Ang kanyang trabaho ay pangunahing nakasentro sa Graph Neural Networks (GNNs), Collusion Detection, at Large Language Models (LLMs). Nakatuon siya sa paggamit ng geometric deep learning at natural language processing upang malutas ang mga kumplikadong structural at behavioral na hamon sa mga modernong kapaligiran ng data.