Biographie

Dave Campbell est un expert de renommée internationale dans le domaine de la science des données. Ses recherches méthodologiques consistent à adapter les méthodes aux connaissances du domaine afin d’améliorer les performances et la compréhension des algorithmes. Il est notamment le coauteur de documents d’analyse publiés dans le Journal of the Royal Statistical Society et dans Bayesian Analysis. Il a joué un rôle très actif dans le milieu de la science des données et dans le milieu universitaire. Avant d’intégrer la Banque, M. Campbell était professeur titulaire avec une nomination conjointe en statistique et en informatique à l’Université Carleton. Il a été le premier président du Groupe de science des données et analytique de la Société statistique du Canada, et l’un des coorganisateurs du groupe de rencontre Vancouver Learn Data Science. Il a également dirigé la création d’un baccalauréat en science des données lorsqu’il était membre du corps professoral de l’Université Simon Fraser.

Domaines de recherche: Méthodes bayésiennes Prévisions Science des données Séries chronologiques
Afficher tous

Publications dans des revues

Sélection de publications revues par un comité de lecture

  • Carleton, W. C., D. Campbell et M. Collard (2021). « Rainfall, temperature, and Classic Maya conflict: A comparison of hypotheses using Bayesian time-series analysis », PLOS ONE, vol. 16, no 7, 30 juillet. doi : 10.1371/journal.pone.0253043.
  • McDonald, S., et D. Campbell (2021). « A Review of Uncertainty Quantification for Density Estimation », Statistics Surveys, 15, p. 1-71. doi : 10.1214/21-SS130.
  • Baitz, H. A., P. W. Jones, D. Campbell, A.A. Jones, K.M. Gicas, C. J. Giesbrecht, W. L. Thornton, C.C. Barone, N. Y. Wang, W. J. Panenka, D.J. Lang, F. Vila-Rodriguez, O. Leonova, A.M. Barr, R. M. Procyshyn, T. Buchanan, A. Rauscher, G. W. Macewan, W. G. Honer, et A.E. Thornton (2021). « Component processes of decision making in a community sample of precariously housed persons: associations with learning and memory, and health-risk behaviours », Frontiers in Psychology, vol. 12, 2 juillet. doi : 10.3389/fpsyg.2021.571423.
  • Carleton, W. C., D. Campbell et M. Collard (2021). « A reassessment of the impact of temperature change on European conflict during the second millennium CE using a bespoke Bayesian time-series model », Climatic Change, vol. 165, no 4, 2 mars. doi : 10.1007/s10584-021-03022-2.
  • Chkrebtii, O., et D. Campbell (2019). « Adaptive step-size selection for state-space based probabilistic differential equation solvers », Statistics and Computing, vol. 29, no 3, 28 septembre, p. 1285-1295. doi : 10.1007/s11222-019-09899-5.
  • Stojkova, B. J., et D. Campbell (2019). « Incremental Mixture Importance Sampling with Shotgun Optimization », Journal of Computational and Graphical Statistics, vol. 28, no 4, 28 mai, p. 806-820. doi : 10.1080/10618600.2019.1592756.
  • Carleton, W. C., D. Campbell et M. Collard (2018). « Radiocarbon dating uncertainty and the reliability of the PEWMA method of time-series analysis for research on long-term human-environment interaction », PLOS ONE, vol. 13, no 1, 19 janvier. doi : 10.1371/journal.pone.0191055.
  • Carleton, W. C., D. Campbell et M. Collard (2017). « Increasing temperature exacerbated Classic Maya conflict over the long term », Quaternary Science Reviews, vol. 163, mai, p. 209-218. doi : 10.1016/j.quascirev.2017.02.022.
  • Chkrebtii, O., D. Campbell, B. Calderhead et M. Girolami (2016). « Bayesian Solution Uncertainty Quantification for Differential Equations », Bayesian Analysis (Discussion paper with rejoinder), vol. 11, no 4, 23 octobre, p. 1239-1299. doi : 1214/16-BA1036.
  • Golchi, S., et D. Campbell (2016). « Sequentially Constrained Monte Carlo », Computational Statistics and Data Analysis, vol. 97, p. 98-113. doi : 10.1016/j.csda.2015.11.013.
  • Golchi, S., D. Bingham, H. Chipman et D. Campbell (2015). « Monotone Function Estimation for Computer Experiments », Journal of Uncertainty Quantification , vol. 3, no 1, 14 juin, p. 370-392. doi : 1137/140976741
  • Cameron, E., O. Chkrebtii, D. Campbell et E. Bayne (2015). « Transdimensional Approximate Bayesian Computation for inference on models of invasive species », Computational Statistics and Data Analysis, 86 (décembre 2015):97-110. doi : 10.1016/j.csda.2015.01.002.
  • Campbell, D., et L. Subhash (2013. « An ANOVA Test for Parameter Estimability Using Data Cloning with Application to Statistical Inference for Dynamic Systems», Computational Statistics and Data Analysis,  70, février, p. 257-267. doi : 10.1016/j.csda.2013.09.013.      
  • Campbell, D., et O. Chkrebtii (2013). « Maximum Profile Likelihood Estimation of Differential Equation Parameters through Model Based Smoothing State Estimates », Mathematical Biosciences, vol. 246, no 2, 8 avril, p. 283-292. doi : 10.1016/j.mbs.2013.03.011.
  • Campbell, D., G. Hooker et K. McAuley (2012). « Parameter Estimation in Differential Equation Models with Constrained Variables », Journal of Chemometrics, vol. 26, no 6, juin, p. 322-332. doi : 10.1002/cem.2416.
  • Campbell, D., et R. Steele (2011). « Smooth Functional Tempering for Nonlinear Differential Equation Models », Statistics and Computing, vol. 22, 30 mars, p. 429-443. doi : 10.1007/s11222-011-9234-3
  • Ramsay, J. O., G. Hooker, D. Campbell et J. Cao (2007). « Parameter Estimation for Differential Equations: A Generalized Smoothing Approach (with Discussion) », Journal of the Royal Statistical Society, Series B, vol. 69, no 5, novembre, p. 741-796. doi : 10.1111/j.1467-9868.2007.00610.x