stringtranslate.com

Бин Ю

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]

биография

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 .

Исследовать

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).

Почести и награды

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]

Рекомендации

  1. ^ Биография факультета abcd, Калифорнийский университет в Беркли, по состоянию на 18 октября 2020 г.
  2. ^ abcd «Бин Ю», People News за август 2012 г., Amstatnews , Американская статистическая ассоциация , 1 августа 2012 г., заархивировано из оригинала 3 июля 2013 г..
  3. ^ Бин Ю в проекте «Математическая генеалогия»
  4. ↑ Текущие официальные лица. Архивировано 31 октября 2016 г. в Wayback Machine , Институт математической статистики , получено 24 апреля 2013 г.
  5. ^ "Профиль Академии Google для Бин Ю" .
  6. ^ Ю, Бин; Кумбьер, Карл (12 ноября 2019 г.). «Наука о достоверных данных» (PDF) . ПНАС . 117 (8): 3920–3929. arXiv : 1901.08152 . дои : 10.1073/pnas.1901326117 . ПМК 7049126 . ПМИД  32054788. 
  7. ^ Мердок, В. Джеймс; Сингх, Чандан; Кумбьер, Карл; Аббаси-Асл, Реза; Ю, Бин (29 октября 2019 г.). «Интерпретируемое машинное обучение: определения, методы и приложения». Труды Национальной академии наук . 116 (44): 22071–22080. arXiv : 1901.04592 . дои : 10.1073/pnas.1900654116 . ISSN  0027-8424. ПМК 6825274 . PMID  31619572. S2CID  204755862. 
  8. ^ «Бин Ю | Вычисления, наука о данных и общество» . data.berkeley.edu . Проверено 19 октября 2020 г.
  9. ^ «Калифорнийский университет в Беркли возглавит программу NSF / Simons Foundation стоимостью 10 миллионов долларов по исследованию теоретических основ глубокого обучения | Вычисления, наука о данных и общество» . data.berkeley.edu . Проверено 19 октября 2020 г.
  10. ^ «Передача нужного оборудования нужным людям» . Беркли Инжиниринг . Проверено 19 октября 2020 г.
  11. ↑ Заслуженные деятели. Архивировано 19 октября 2016 г. в Wayback Machine , Институт математической статистики , получено 24 апреля 2013 г.
  12. ↑ Справочник участников IEEE. Архивировано 31 января 2013 г. на Wayback Machine , получено 24 апреля 2013 г.
  13. ^ Новоизбранные члены. Архивировано 1 мая 2013 г. в Wayback Machine , Американская академия искусств и наук , апрель 2013 г., получено 24 апреля 2013 г.
  14. ^ "Премия Элизабет Л. Скотт" . Архивировано из оригинала 15 августа 2018 года . Проверено 30 марта 2019 г.
  15. ^ "Выпуск премии Ю" . 12 июля 2018 г. Проверено 30 марта 2019 г.
  16. ^ "Выпуск премии Ю" . 11 сентября 2018 г. Проверено 30 марта 2019 г.
  17. ^ "Запись лекции Бреймана" . YouTube . 18 октября 2020 г. Проверено 18 октября 2020 г.
  18. ^ «Бин Ю получает степень доктора Honoris Causa (почетный доктор) факультета бизнеса и экономики Лозаннского университета | Департамент статистики» . stats.berkeley.edu . Проверено 11 декабря 2023 г.
  19. ^ "Сообщество ASA". Community.amstat.org . Проверено 11 декабря 2023 г.

Внешние ссылки