Onderzoekers winnen Women in Data Science Maastricht Datathon

Ping Cao en Darina Obukhova van de onderzoeksgroep Cellular Genomic Medicine van de afdeling Klinische Genetica hebben op 7 maart jl. de Women in Data Science Maastricht Datathon gewonnen. Een wereldwijde competitie om urgente maatschappelijke problemen te benaderen met behulp van onderzoeksdata. Doel van het evenement is om vrouwen, werkzaam op het gebied van datawetenschap, voor het voetlicht te brengen.

De uitdaging van dit jaar was gericht op het verbeteren van weersvoorspellingen op de langere termijn om gemeenschappen over de hele wereld te helpen zich aan te passen aan extreme weersveranderingen die miljoenen mensen treffen en miljarden dollars kosten. Een uitgebreide meteorologische tijdreeksdataset die een groot aantal variabelen omvatte - van vochtigheid tot windsnelheid - op verschillende locaties in de Verenigde Staten, werd gebruikt om het model te trainen om de tweewekelijkse weersverandering te voorspellen. De winnaar van de wedstrijd werd beoordeeld op basis van RMSE, de waarde die de fout van een model meet bij het voorspellen van kwantitatieve gegevens.

Bij de beste 12%

Het model van Cao en Obukhova had een fout van 0,789 en eindigde bij de beste 12% in de wereldwijde beoordeling. De WiDS Datathon hielp hen aan nieuwe inzichten om een wetenschappelijk vraagstuk te benaderen en hoe geïntegreerde datasystemen daarbij een rol kunnen spelen. Kennis die tevens van pas komt bij hun eigen promotieonderzoek. "Het is een goede gelegenheid om te leren omgaan met data en om geïnspireerd te raken door gelijkgestemde communities", aldus de onderzoekers. 

Promotieonderzoek

Ping Cao’s promotieonderzoek richt zich op het ontwikkelen van zelflerende dataverwerkingsprogramma’s waarmee de implantatiekans van ivf-embryo’s voorspeld kan worden. Darina Obukhova onderzoekt hoe chromosomale afwijkingen in gameten en vroege embryo’s de latere in vitro-ontwikkeling beïnvloeden.

Darina Obukhova en Ping Cao
Darina Obukhova (links) en Ping Cao
Sluit de enquête