逐步改善健康：每一个机器学习系统

马尔齐耶·加西米从小对视频游戏和健康产生兴趣，最终将计算机科学与医疗结合。

她的研究专注于机器学习在健康领域的应用，特别是提高模型的安全性和公平性。

加西米指出健康数据中的偏见会影响模型表现，强调在不同环境中训练模型的重要性。

她的研究受到个人身份的影响，努力实现生活与工作的平衡。

加西米在新墨西哥州和德克萨斯州的工程导向家庭中长大，受到母亲的鼓励，早期接触数学。

她在新墨西哥州立大学获得本科学位后，获得马歇尔奖学金，前往牛津大学攻读硕士学位。

在攻读博士学位期间，加西米发现健康数据中的偏见会隐藏在机器学习模型中。

她的研究小组发现，模型在医疗图像中识别患者种族的能力超出了放射科医生的能力。

加西米强调，模型在一个医院环境中优化的表现不一定适用于其他环境。

她认为，缺乏鲁棒性的机器学习模型与现有偏见相结合，影响了模型的有效性。

加西米在户外活动时常常获得灵感，认为深入理解问题的各个部分是解决复杂问题的关键。

她努力保持生活的平衡，认为良好的人际关系有助于实现这一目标。

加西米获得了许多奖项，认为生活是一段旅程，强调自我发现的重要性。