Tosca est chercheur postdoctoral à l’Institut Vector, sous la supervision de Dan Roy et Sivan Sabato. Avant de rejoindre Vector, elle a complété son doctorat à l’Université de Waterloo sous la supervision de Shai Ben-David sur « Limitations inhérentes des dimensions pour caractériser l’apprentissage ». Elle détient une maîtrise en sciences cognitives de l’Université de Tübingen. Elle a rédigé son mémoire de maîtrise sur « Adaptation de domaine et hypothèses causales » à l’Institut Max-Planck pour les systèmes intelligents sous la direction de la professeure Ruth Urner. Avant cela, elle a obtenu mon baccalauréat en mathématiques à l’Université Ludwig-Maximilians, Munich. Elle souhaite faciliter une meilleure compréhension des modèles d’apprentissage automatique et de leurs limites au moyen d’une analyse mathématique. Elle vise à trouver des hypothèses intuitives qui sont pertinentes en pratique et mènent à des garanties formelles dans des scénarios où les hypothèses statistiques courantes se brisent, comme l’apprentissage par transfert. Elle croit qu’en développant des outils qui rendent les limites d’un modèle plus explicites, il devient plus facile d’évaluer la fiabilité de la prédiction du modèle. Ses intérêts de recherche actuels incluent l’apprentissage robuste de manière adversaire et stratégique, l’apprentissage par distribution, l’apprentissage par transfert et l’équité algorithmique.