Het onderzoek van Mooij richt zich primair op causaliteit. Het is bekend dat correlatie alleen geen oorzakelijk verband impliceert. Hoe zijn dan causale verbanden uit gegevens te schatten, en hoe is te voorspellen wat er gebeurt onder interventies? Dit zijn centrale vragen binnen causaliteit, een onderwerp van toenemende belangstelling binnen de statistiek en machine learning. Het werk van Mooij bestrijkt een breed spectrum, variërend van fundamenten tot toepassingen, en zijn bijdragen combineren statistische, modellerings- en algoritmische aspecten.

Als hoogleraar zal Mooij de fundamentele vragen met betrekking tot causaliteit blijven onderzoeken. Het uiteindelijke doel is om geautomatiseerde en betrouwbare grootschalige schatting van causale modellen uit gegevens mogelijk te maken om de effecten van interventies op systemen te voorspellen. Er moeten verschillende stappen worden gezet om dit doel te realiseren. Ten eerste, het uitbreiden en consolideren van de grondslagen van statistische causale modellen. Ten tweede, de ontwikkeling van betrouwbare algoritmen voor het schatten van dergelijke modellen op basis van gegevens en voor het maken van gegevensgestuurde causale voorspellingen. Ten slotte, de validatie van deze methoden in praktische toepassingen binnen verschillende domeinen, bijvoorbeeld in biologie, geneeskunde of voor bedrijfsanalyses.

Naast het uitvoeren en leiden van onderzoek, zal Mooij onderwijs doceren over statistiek en data science, waaronder een nieuwe cursus - Causality – in de master Wiskunde.

Over Joris Mooij

Mooij is sinds 2013 verbonden aan de Faculteit der Natuurwetenschappen, Wiskunde en Informatica van de UvA, eerst als universitair docent en vervolgens als universitair hoofddocent. Van 2007 tot 2010 werkte hij als onderzoeker aan het Max Planck Institute for Intelligent Systems in Tübingen, Duitsland. In 2007 promoveerde Mooij aan de Radboud Universiteit Nijmegen, nadat hij eerder een master Wiskunde en een master Natuurkunde behaalde aan dezelfde universiteit.

Mooij is editor van het Journal of Machine Learning Research. Hij heeft verschillende persoonlijke beurzen ontvangen om zijn onderzoeksgroep te financieren, waaronder een VIDI-beurs van de Nederlandse Organisatie voor Wetenschappelijk Onderzoek (NWO) en een ERC Starting Grant van de European Research Council. Zijn onderzoek wordt ook gefinancierd door verschillende industriële partners.