Бинь Ю ( китайский :郁彬) — американский статистик китайско-американского происхождения. В настоящее время она является профессором факультета статистики и электротехники и компьютерных наук Калифорнийского университета в Беркли . [1] [2]
Юй получил степень бакалавра математики в 1984 году в Пекинском университете и продолжил обучение в аспирантуре по статистике в Беркли, получив степень магистра в 1987 году и степень доктора философии. в 1990 году. Ее диссертация « Некоторые результаты по эмпирическим процессам и стохастической сложности » была написана под руководством Люсьена Ле Кама и Терри Спида . [3]
После постдокторантуры в Научно-исследовательском институте математических наук и должности доцента в Университете Висконсин-Мэдисон она вернулась в Беркли в качестве преподавателя в 1993 году, получила штатную должность в 1997 году и стала профессором канцлера в 2006 году. Она также работала в Bell Labs. с 1998 по 2000 год, находясь в отпуске из Беркли, работал приглашенными должностями в нескольких других университетах. Она возглавляла Департамент статистики в Беркли с 2009 по 2012 год и была президентом Института математической статистики в 2014 году .
Работа Ю использует вычислительные разработки для решения научных задач путем объединения подходов статистического машинного обучения с отраслевым опытом многих сотрудников, охватывающих многие области, включая статистику, машинное обучение, нейробиологию, геномику и дистанционное зондирование. [5] Ее недавняя работа была сосредоточена на укреплении видения науки о данных, включая основу для достоверной науки о данных [6] и основу для интерпретируемого машинного обучения. [7] Ю также разработал структуру PCS (предсказуемость, вычислимость и стабильность) для достоверной науки о данных, позволяющую унифицировать, оптимизировать и расширять идеи и лучшие практики машинного обучения и статистики. Ю недавно получила освещение в новостях относительно ее достоверной структуры науки о данных, [8] исследований теоретических основ глубокого обучения, [9] и работы по прогнозированию тяжести COVID-19 в США. [10]
Другие исследования включали исследования в области статистических методов/алгоритмов машинного обучения (и связанных с ними задач статистического вывода), таких как словарное обучение, неотрицательная матричная факторизация (NMF), EM и глубокое обучение (CNN и LSTM ), а также оценка гетерогенного эффекта в рандомизированные эксперименты (X-learner).
Ю является научным сотрудником Института математической статистики , IEEE , Американской статистической ассоциации , Американской ассоциации развития науки , Американской академии искусств и наук и Национальной академии наук . [1] [2] [11] [12] [13] В 2012 году она была преподавателем Тьюки в Обществе Бернулли по математической статистике и теории вероятностей . [1] [2] В 2018 году она была удостоена премии Элизабет Л. Скотт . Ее пригласили прочитать лекцию Бреймана на NeurIPS 2019 (официально известной как NIPS) на тему достоверной науки о данных. [14] [15] [16] [17] В 2021 году ей была присвоена степень почетного доктора Лозаннского университета . [18] А в 2023 году она прочитала лекцию о выдающихся достижениях COPSS . [19]