Les esprits
derrière la science
Un collectif dirigé par des docteurs, composé de chercheurs, mathématiciens et ingénieurs dédiés à la science de la découverte causale.

Prof. Dr. Martin Spindler
Directeur et Fondateur
Martin Spindler est professeur de science des données, statistiques et économétrie à l'Université de Hambourg et fondateur d'Economic AI™. Spécialisé dans la théorie et l'application du Machine Learning et de l'IA - en particulier le Machine Learning Causal - il est diplômé de l'Université de Regensburg et de l'Université de Munich, où il a également obtenu son doctorat. Chercheur invité régulier au MIT, Martin a fondé Economic AI™ pour aider les entreprises à exploiter des solutions de pointe pour un avantage concurrentiel.

Dr. Sven Klaassen
Responsable du développement logiciel
Sven Klaassen est responsable du développement logiciel chez Economic AI™. Il a obtenu un Master en mathématiques d'entreprise et un doctorat en économie de l'Université de Hambourg. En 2022, Sven était chercheur invité au MIT et a travaillé activement sur la recherche combinant Machine Learning et Inférence Causale. Actuellement, il maintient et étend le package open-source DoubleML.

Dr. Philipp Bach
Responsable des formations et de l'éducation executive
Philipp Bach est responsable des formations et de l'éducation executive et est passionné par l'enseignement des sujets de base et avancés du ML Causal. Il occupe actuellement le poste de chercheur postdoctoral à l'Université de Hambourg. Ses recherches se concentrent sur les implémentations et applications des approches de pointe du ML Causal.

Jan Rabenseifner, M.Sc.
Data Scientist
Jan Rabenseifner est data scientist chez Economic AI™. Il poursuit actuellement son doctorat en statistiques à l'Université de Hambourg. Ses intérêts de recherche portent sur les domaines de l'Inférence Causale, l'évaluation des prévisions dans les contextes de haute dimension, le Deep Learning et le Machine Learning.

Lucas Moreira Gomes, M.Sc.
Data Scientist
Lucas Moreira Gomes est data scientist chez Economic AI™. Son travail est principalement centré sur les réseaux de neurones graphiques (GNN), la détection de collusion et les grands modèles de langage (LLM). Il se concentre sur l'exploitation de l'apprentissage profond géométrique et du traitement du langage naturel pour résoudre des défis structurels et comportementaux complexes dans les environnements de données modernes.
Rejoignez la Frontière
de la découverte causale
Nous recherchons régulièrement des stagiaires hautement qualifiés, des étudiants travailleurs (Licence et Master), et des doctorants pour rejoindre nos projets industriels axés sur la recherche.
“La maîtrise est la transition de la prédiction de ce qui se passe à la compréhension de pourquoi cela doit se produire.”
La confiance des leaders de l'industrie
