利息
机器学习、集成、多模态数据融合、混合模型、医疗应用。
研究
Ina的目标是构建混合系统，学习用于与人类用户交互的预测模型的多模态、异构数据的表达方式。我目前的研究围绕多模态数据的混合方法展开，尤其是来自医疗领域的数据。正在进行的项目：（1）通过整合多分辨率、不规则采样的时间序列和图像，建模疾病轨迹并预测临床结果；（2） 模型和表征的弱监督迁移学习；（3） 表征学习的在线自适应策略。
传记
Ina于2015年秋季在卡内基梅隆大学完成了机器学习博士学位，她是Auton实验室的成员。2015年秋季至2018年秋季，她是斯坦福大学动员中心的博士后研究员。她于2018年9月加入麻省大学信息与计算机科学学院。
活动与奖项
Ina是2015年ICCV的Marr最佳论文奖和2016年重症监护医学学会年度大会的Star研究奖的获得者。2013年、2014年、2016年、2017年和2018年，Madalina联合组织了NIPS研讨会，主题是医疗保健领域的机器学习。
