时间：4月26日15：00—16：30

地点：沙河校区主教308M

主讲人：霍晓明，美国佐治亚理工学院工业与系统工程学院（该学院在全美同行排名第一）教授。现任佐治亚理工学院数据科学跨学科研究所主任。美国统计协会会员、电气和电子工程师协会（IEEE）高级成员。主要研究领域包括统计学和数据科学。在稀疏表示、小波和统计可检测性等方面做出了许多贡献，多篇论文发表在顶级期刊上，其中一些被高度引用。

霍晓明教授1989年参加了在德国布伦瑞克举行的第30届国际数学奥林匹克竞赛并获得了金奖。1999年，获得斯坦福大学统计学博士学位，并于同年加入美国佐治亚州佐治亚理工学院的工业与系统工程学院，后成为首席教授。2005年，他荣获佐治亚理工学院西格玛西青年教师奖。2006年6月，因他在数学领域的研究使新兴研究前沿对他进行了采访。2013年到2015年，担任美国国家科学基金会的项目主任，负责管理与数据科学相关的项目。

讲座摘要：预测建模是许多数据科学问题的核心。传统的方法既可以是统计上的，也可以是计算上的有效方法，但不一定两者都有。推导这些模型的现有原则——例如极大似然估计原则——可能已经被提出来几十年了，这些原则没有考虑数据新的方面，例如数据的大容量、多样性、速度和准确性。另一方面，许多现有的经验算法在广泛的应用领域（如深度学习框架）都做得非常好，然而它们并不像一些经典方法那样有理论保证。我们的目标是开发兼具计算效率和统计最优的新算法。这样的工作在本质上是基础性的，但是会对社会上可能遇到的所有数据科学问题产生重大影响。根据上述精神，我将描述我过去和现在的一系列项目，其中包括基于L1的松弛、快速非线性相关、可检测性的最佳性和非凸正则化。所有这些都集合了统计和计算方面的考虑，以用来开发数据分析工具。

欢迎感兴趣的师生踊跃参加！

中央财经大学—电子科技大学联合数据研究中心

2019年4月10日