施密特DataX基金会将帮助提高数据科学对校园的影响的广度和深度，在三项跨学科的大型研究工作中加快发现速度，并为大学的广泛数据科学社区提供一系列教育，培训，召集和支持机会。

“施密特DataX基金会将加快普林斯顿大学研究人员对人工智能和机器学习的使用，以探索人类知识前沿的问题。这些技术正在改变学术领域，我希望它们的重要性在未来几年中会迅速增长。”普林斯顿大学校长克里斯托弗·L·艾斯格鲁伯说。“我对埃里克·施密特(Eric Sc​​hmidt '76)，他的妻子温迪·施密特(Wendy Schmidt)和施密特·期货(Schmidt Futures)表示深深的谢意，他们的慷慨将使普林斯顿大学的教职员工和学生能够将数据科学的创新应用应用于科学，工程和公共政策的紧迫问题。”

埃里克·施密特(Eric Sc​​hmidt)说：“在这个时候，有远见的领导人应用新的计算技术，并跨部门和领域一起工作，可以发挥巨大作用。” “这项新礼物旨在通过加速将最现代的计算，机器学习和人工智能技术应用于具有最大社会和智力重要性的问题，来构建普林斯顿大学在长期卓越研究上的成就。DataX应该增加研究成果，并培养出许多受过教育的科学家和工程师。”

扩大整个校园的影响力

施密特DataX基金会将用于提高数据科学在整个校园中渗透发现的程度，并将机器学习和人工智能融合到一系列学科中。许多研究人员和教育工作者渴望将数据科学带入他们的领域，但缺乏专业知识，经验和工具。

这些资金将支持由统计和机器学习中心牵头的一系列校园范围内的数据科学计划 ，包括：开发数据科学和机器学习的研究生课程;开设微型课程和讲习班，以培训研究人员最新的软件工具，云平台和公共数据集;和创新基金将通过为博士后研究员，研究生或本科生提供资金以及访问数据集和云资源来启动新的研究项目。

支持创新研究

这些资金还将支持六位施密特数据科学家，他们将创建并改进可大规模运行的数据分析软件，从而加快发现速度，扩大影响范围并提高连续性。施密特数据科学家将成为更大的研究团队的一部分，该团队包括以下三个领域的教师，博士后研究人员，研究生和其他研究人员： 普林斯顿催化倡议 (PCI)，生物医学数据科学倡议和 信息技术政策中心 (CITP)。施密特数据科学家将作为统计和机器学习中心的一部分定期开会，以形成一个紧密联系的社区，扩大其在整个校园的影响力，并寻求专业发展机会。

–催化

催化作用将成为解决许多日益引起社会关注的问题的关键技术动力，这些问题包括替代能源技术的发展，环境修复策略，使用非化石燃料和廉价的药品和抗生素，可持续农业以及可再生软材料。施密特数据科学家将与普林斯顿大学的化学家和其他研究人员合作，利用机器学习来发现，优化和应用催化反应。他们将构建工具，使更多的未发布数据更加可用和有用，他们将创建用户友好的软件，以加快数据科学的采用速度，从而加快该领域的研究步伐。

普林斯顿催化倡议由一个教职委员会领导，该委员会包括 Abigail Doyle，A。Barton Hepburn化学教授 和 David MacMillan，James S. McDonnell杰出大学化学教授。Schmidt数据科学家从事PCI的目标之一是为 Doyle实验室最近创建的预测软件开发基于Web的用户界面，该界面将 合成化学的基本问题从“我如何做到这一点”转变为 改为“应该做什么，为什么要做?”

–生物医学数据科学

基因组读取技术彻底改变了生物医学科学，产生了大量的遗传数据-太过容易使用了。Schmidt数据科学家将采取步骤来管理这些数据集，并管理用于管理人类数据的保护措施，从而提供有效，共享的基础架构来加速生物医学数据科学的研究。他们的贡献范围包括：建立分析管道，对大型数据集进行标准化和规范化，开发访问和分析云中数据的接口和虚拟机，以及优化普林斯顿研究小组提出的软件以提高可扩展性，健壮性和可用性。面向外部生物医学研究人员的软件。

生物医学科学计划由计算机科学系带头 ，与刘易斯-西格勒综合基因组学研究所， 普林斯顿神经科学研究所 和几个 工程系有着密切的联系 。将机器学习应用于生物医学的教职员工包括 计算机科学教授Ben Raphael，他使用这种方法来识别哪些 胰腺癌细胞 可以对靶向基因疗法作出反应，以及 计算机科学教授和Lewis-Sigler研究所的Olga Troyanskaya专门为整合基因组学开发的软件来表征 基因表达方式的人在线 虫蠕虫 的组织中 。

–信息技术政策

在CITP的推动下，普林斯顿大学对信息技术政策的研究涉及大学的全体教授，涵盖了广泛的数据科学主题。重点领域包括安全性和隐私性，偏见和公平性，出于社会或政治目的操纵数据以及人工智能进步对劳动力的长期影响。CITP由罗伯特·卡恩(Robert E. Kahn)计算机科学和公共事务教授 Ed Felten领导 ，它有17名附属教职员工。

与这些研究人员合作的施密特数据科学家将为许多为社会服务的项目利用和扩展机器学习方法，例如在社交媒体平台上寻找故意的操纵活动，与大型雇主合作以消除偏见并提高招聘公平性，以及 BlockSci-区块 链分析的领先工具-适用于更多系统。