Ruth Urner est professeure agrégée à l’Université York à Toronto, au Canada. Avant de rejoindre l’Université York, elle était chercheuse principale à l’Institut Max Planck pour les systèmes intelligents à Tübingen, en Allemagne, et chercheuse postdoctorale au département d’apprentissage automatique de Carnegie Mellon ainsi qu’à Georgia Tech. Elle a obtenu son doctorat à l’Université de Waterloo pour une thèse sur la théorie statistique de l’apprentissage en 2013. Elle siège régulièrement comme membre senior du comité de programme des principales conférences sur l’apprentissage automatique et la théorie de l’apprentissage, telles que NeurIPS, ICML, ALT et COLT, et est coprésidente locale de l’ALT 2026 à Toronto.

Ses recherches développent des outils et des cadres mathématiques pour analyser les possibilités et les limites de l’apprentissage automatique. Elle s’intéresse particulièrement au développement de bases formelles pour des aspects de l’apprentissage automatique liés aux méthodes d’évaluation et aux impacts sociétaux, tels que l’interprétabilité humaine, la quantification de l’incertitude, la robustesse et l’équité.