Rachel Ward é uma matemática estadunidense, que trabalha nas áreas de aprendizado de máquina e processamento de sinais. É professora da Universidade do Texas em Austin.
Formação Rachel Ward obteve o BS em matemática na Universidade do Texas em Austin em 2005. Obteve um PhD em matemática aplicada e computacional em 2009 na Universidade de Princeton, orientada por Ingrid Daubechies, com a tese Freedom through Imperfection: Exploiting the flexibility offered by redundancy in signal processing.
Carreira Ward foi instrutora no Instituto Courant de Ciências Matemáticas em 2009-2011 integrando em 2011 a faculdade da Universidade do Texas em Austin. Em 2018 foi Visiting Research Scientist na Facebook AI Research sendo atualmente Von Neumann Fellow no Instituto de Estudos Avançados de Princeton.
Prêmios e honrarias Rachel Ward e Deanna Needell receberam o Prêmio IMA de Matemática e Aplicações de 2016. O prêmio reconhece o trabalho teórico delas relacionado com o sensoriamento médico e imagem por ressonância magnética (MRI).
Para o Congresso Internacional de Matemáticos de 2022 em São Petersburgo está listada como palestrante convidada.ICM2022 Invited Lectures
Pesquisa Ward trabalhou em um projeto financiado pelo Departamento de Defesa dos Estados Unidos, para desenvolver veículos aéreos não tripulados.
Ligações externas UT Faculty Profile Page Learning Sparse High-Dimensional Governing Equations from Limited Data (Video) Low-rank Matrix Completion: Adaptive Sampling Can Help When, How? (Video)
Categoria:Professores da Universidade do Texas em Austin Categoria:Matemáticas dos Estados Unidos Categoria:Pessoas vivas