为加统计学科建设和人才培养，助力学生开拓视野，丰富知识结构。经学校同意，西南财经大学统计研究中心、统计学院特聘请明尼苏达大学杨宇泓教授，布朗大学罗曦博士来我校开设短期课程，欢迎我校广大师生及国内其他高校师生参加！课程信息1Large Sample Theory行课安排5月24日星期四：下午H4105月26日星期六：上午/下午H4105月27日星期日：上午/下午H4105月31日星期四：下午H4106月2日星期六：上午/下午H4106月3日星期日：上午/下午H4106月7日星期四：下午H4106月9日星期六：上午/下午H4106月10日星期日：上午/下午H410上课时间：上午：8:30-11:05 下午：13:55-16:30上课地点：柳林校区颐德楼H410杨宇泓教授 Yuhong Yang graduated with Ph.D. in statistics from Yale in 1996. He was assistant and associate professor at Iowa State University from 1996-2004. Since 2007 he is professor at U of Minnesota, currently being the Director of the Graduate Studies in School of Statistics. He has published numerous papers on nonparametric function estimation (regression and classification), model selection and averaging, bandit problems, high-dimensional data analysis, forecasting and related problems. He has served on editorial boards of Annals of Statistics, JSPI, Statistica Sinica, Statistical Survey, and AISM. He is a fellow of IMS.More to see:http://www.stat.umn.edu/people/facultyprofile.php?UID=yangx374课程大纲The course will present the core introductory materials of large sample theory for statistical estimation and testing. The students are expected to have already taken basic probability theory and mathematical statistics. The course will cover the following topics: 1. Review of probability theory (notions of convergences, LLN, CLT, etc). 2. Asymptotic distributions of sample quantiles, order statistics, and extremes. 3. Efficient estimation and testing theory (consistency, convergences of MLE, asymptotic efficiency and normality, asymptotic normality of posteriors, relative efficiency, asymptotic distributions of LRT statistics, asymptotic distribution of chi-square tests). 4. Additional topics (time permitting): M-estimation, bootstrap, VC-theory.课程信息2Statistical Machine Learning and Big Data行课安排6月22日星期五：上午/下午H4106月23日星期六：上午/下午H4106月24日星期日：上午/下午H4106月25日星期一：上午/下午H4106月26日星期二：上午/下午H4106月27日星期三：上午/下午H410上课时间：上午：8:30-11:05 下午：13:55-16:30上课地点：柳林校区颐德楼H410罗曦博士 罗曦博士现任职于布朗大学生物统计学和统计科学中心，同时也是布朗大学脑科学和布朗研究所的一名教员。他在耶鲁大学获得了统计学博士学位，随后是宾夕法尼亚大学的客座讲师和博士后研究员。罗博士的研究主要集中在统计学方法:大数据推理、机器学习、因果推理、网络/路径推理和大规模统计计算，以及应用于神经成像和遗传学。他的研究得到了全国和地方会议的奖励。他在大学、国家卫生研究院、国家科学基金会和私人基金会的研究资助方面工作过。他担任美国统计协会(American Statistical Association)论文竞赛的评委，以及NSF、统计学和神经科学等多份期刊的评审。更多详情：https://vivo.brown.edu/display/xl6课程大纲大数据无处不在本课程介绍了现代统计工具来了解大数据。它涵盖三个相互关联的组件：计算工具，统计机器学习和可扩展算法。课程项目的例子包括使用GoogleTM找出“数据科学”的数据驱动定义，使用TwitterTM跟踪总统竞选中的人口意见，并使用Google流感趋势预测流感疫情。本课程介绍了从头到尾分析大数据的主要技术：从复杂来源提取和组织数据，探索模式，框架统计问题，构建计算算法，并传播可重复的研究。主题包括网络数据提取，数据库管理，探索性数据分析，维度缩减，凸优化算法，高维线性/非线性模型，树/集合方法和预测建模。这些技术使用许多科学学科的大数据示例进行了说明。罗博士的研究主要集中在统计学方法:大数据推理、机器学习、因果推理、网络/路径推理和大规模统计计算，以及应用于神经成像和遗传学。此次课程安排如下：第一、二次课：找出“数据科学”的数据驱动定义;第三、四次课：使用TwitterTM跟踪总统竞选中的人口意见;第五、六次课：并使用Google流感趋势预测流感疫情;
为加统计学科建设和人才培养，助力学生开拓视野，丰富知识结构。经学校同意，西南财经大学统计研究中心、统计学院特聘请明尼苏达大学杨宇泓教授，布朗大学罗曦博士来我校开设短期课程，欢迎我校广大师生及国内其他高校师生参加！
课程信息
1
Large Sample Theory
行课安排
5月24日
星期四：下午
H410
5月26日
星期六：上午/下午
5月27日
星期日：上午/下午
5月31日
6月2日
6月3日
6月7日
6月9日
6月10日
上课时间：上午：8:30-11:05 下午：13:55-16:30
上课地点：柳林校区颐德楼H410
杨宇泓教授
Yuhong Yang graduated with Ph.D. in statistics from Yale in 1996. He was assistant and associate professor at Iowa State University from 1996-2004. Since 2007 he is professor at U of Minnesota, currently being the Director of the Graduate Studies in School of Statistics. He has published numerous papers on nonparametric function estimation (regression and classification), model selection and averaging, bandit problems, high-dimensional data analysis, forecasting and related problems. He has served on editorial boards of Annals of Statistics, JSPI, Statistica Sinica, Statistical Survey, and AISM. He is a fellow of IMS.
More to see:
http://www.stat.umn.edu/people/facultyprofile.php?UID=yangx374
课程大纲
The course will present the core introductory materials of large sample theory for statistical estimation and testing. The students are expected to have already taken basic probability theory and mathematical statistics.
The course will cover the following topics:
1. Review of probability theory (notions of convergences, LLN, CLT, etc).
2. Asymptotic distributions of sample quantiles, order statistics, and extremes.
3. Efficient estimation and testing theory (consistency, convergences of MLE, asymptotic efficiency and normality, asymptotic normality of posteriors, relative efficiency, asymptotic distributions of LRT statistics, asymptotic distribution of chi-square tests).
4. Additional topics (time permitting): M-estimation, bootstrap, VC-theory.
2
Statistical Machine Learning and Big Data
6月22日
星期五：上午/下午
6月23日
6月24日
6月25日
星期一：上午/下午
6月26日
星期二：上午/下午
6月27日
星期三：上午/下午
罗曦博士
罗曦博士现任职于布朗大学生物统计学和统计科学中心，同时也是布朗大学脑科学和布朗研究所的一名教员。他在耶鲁大学获得了统计学博士学位，随后是宾夕法尼亚大学的客座讲师和博士后研究员。
罗博士的研究主要集中在统计学方法:大数据推理、机器学习、因果推理、网络/路径推理和大规模统计计算，以及应用于神经成像和遗传学。他的研究得到了全国和地方会议的奖励。他在大学、国家卫生研究院、国家科学基金会和私人基金会的研究资助方面工作过。他担任美国统计协会(American Statistical Association)论文竞赛的评委，以及NSF、统计学和神经科学等多份期刊的评审。
更多详情：https://vivo.brown.edu/display/xl6
大数据无处不在本课程介绍了现代统计工具来了解大数据。它涵盖三个相互关联的组件：计算工具，统计机器学习和可扩展算法。课程项目的例子包括使用GoogleTM找出“数据科学”的数据驱动定义，使用TwitterTM跟踪总统竞选中的人口意见，并使用Google流感趋势预测流感疫情。本课程介绍了从头到尾分析大数据的主要技术：从复杂来源提取和组织数据，探索模式，框架统计问题，构建计算算法，并传播可重复的研究。主题包括网络数据提取，数据库管理，探索性数据分析，维度缩减，凸优化算法，高维线性/非线性模型，树/集合方法和预测建模。这些技术使用许多科学学科的大数据示例进行了说明。
罗博士的研究主要集中在统计学方法:大数据推理、机器学习、因果推理、网络/路径推理和大规模统计计算，以及应用于神经成像和遗传学。此次课程安排如下：
第一、二次课：找出“数据科学”的数据驱动定义;
第三、四次课：使用TwitterTM跟踪总统竞选中的人口意见;
第五、六次课：并使用Google流感趋势预测流感疫情;
