빈유

Bin Yu
이 개인명의 원형은 유빈이다.이 글은 개인을 언급할 때 서양식 이름 순서를 사용한다.
빈유
郁彬
교육북경대학교 (BA, 1984년)
버클리 캘리포니아 대학교(MS, 1987; 박사, 1990)
수상IMS 펠로우(1999)
IEEE 펠로우(2001)
ASA 펠로우(2005)
AAAS 펠로우(2013년)
NAS 회원(2014년)
엘리자베스 L. 스콧상(2018)
과학 경력
필드통계
머신러닝
기관버클리 캘리포니아 대학교
위스콘신 대학교 매디슨
벨 랩스
웹사이트www.stat.berkeley.edu/~비뉴/

빈유(중국어: 郁彬)는 중국계 미국인 통계학자다.그녀는 현재 버클리 캘리포니아 대학의 통계학과와 전기공학 및 컴퓨터 과학 분야의 수상의 교수로 재직하고 있다.[1][2]null

전기

유 교수는 1984년 북경대에서 수학 학사 학위를 취득한 뒤 버클리대에서 통계학 석사학위를 취득해 1987년 석사학위, 1990년 박사학위를 받았다.그녀의 논문인 "경험적 과정과 확률적 복잡성에 관한 몇 가지 결과"는 루시엔 르 캠과 테리 스피드가 공동으로 감독했다.[3]null

수학과학연구소 박사후 연구와 위스콘신매디슨대 조교수직을 거쳐 1993년 교수직으로 버클리대학으로 복귀한 뒤 1997년 종신 재직, 2006년 총리로 취임했다.그녀는 또한 1998년부터 2000년까지 Bell Labs에서 일했으며, 버클리를 떠나 있는 동안 다른 몇몇 대학에서 방문직을 맡아왔다.2009년부터 2012년까지 버클리 통계학부장을 지냈고, 2014년에는 수학통계연구소장을 지냈다.[1][2][4]null

리서치

유씨의 작품은 통계, 기계학습, 신경과학, 유전체학, 원격감지를 포함한 많은 분야에 걸쳐 통계적 기계학습 접근법과 많은 협력자의 도메인 전문지식을 결합함으로써 과학적 문제를 해결하기 위해 컴퓨터 개발을 활용한다.[5]그녀의 최근 연구는 검증 데이터 과학의[6] 틀과 해석 가능한 기계 학습의 틀 등 데이터 과학에 대한 비전을 확고히 하는 데 초점을 맞추고 있다.[7]Yu는 또한 기계 학습과 통계에 대한 아이디어와 모범 사례를 통합, 간소화하고 확장하기 위해 검증 데이터 과학을 위한 PCS(예측성, 계산성, 안정성) 프레임워크를 개발했다.유씨는 최근 자신의 진부한 데이터 과학 프레임워크,[8] 딥러닝의 이론적 기반에 대한 조사,[9] 미국의 COVID-19 심각도 예측에 관한 뉴스 보도를 접했다.[10]null

그 밖의 연구로는 사전 학습, 비부정 매트릭스 인자화(NMF), 전자파 및 딥러닝(CNN 및 LSTM), 무작위 실험(X-Learner)에서의 이기종 효과 추정 등 통계 기계 학습법/알고리즘(및 관련 통계 추론 문제) 분야의 연구가 포함되었다.null

영예와 상

유 교수는 수학통계연구소, IEEE, 미국통계협회, 미국과학진흥협회, 미국예술과학아카데미, 국립과학아카데미 소속이다.[1][2][11][12][13]2012년 그녀는 베르누이 수학 통계 및 확률 협회의 투키 강사를 맡았다.[1][2]2018년에는 엘리자베스 L. 스콧상을 받았다.그녀는 뉴런에서 브레이만 강연을 하도록 초대받았다.IPS 2019(공식적으로 NIPS로 알려져 있음), 검증 데이터 과학에 관한 주제.[14][15][16][17]null

참조

  1. ^ a b c d UC 버클리의 교수 전기인 UC 버클리는 2020-10-18에 접속했다.
  2. ^ a b c d "Bin Yu", People News for August 2012, Amstatnews, American Statistical Association, August 1, 2012, archived from the original on July 3, 2013.
  3. ^ 수학계보 프로젝트 빈유
  4. ^ 현 관리들은 수학통계연구소 웨이백머신에 2016-10-31을 보관하고 2013-04-24를 회수했다.
  5. ^ "Google Scholar Profile for Bin Yu".
  6. ^ Yu, Bin; Kumbier, Karl (2019-11-12). "Veridical Data Science" (PDF). PNAS. 117 (8): 3920–3929. arXiv:1901.08152. doi:10.1073/pnas.1901326117. PMC 7049126. PMID 32054788.
  7. ^ Murdoch, W. James; Singh, Chandan; Kumbier, Karl; Abbasi-Asl, Reza; Yu, Bin (2019-10-29). "Interpretable machine learning: definitions, methods, and applications". Proceedings of the National Academy of Sciences. 116 (44): 22071–22080. arXiv:1901.04592. doi:10.1073/pnas.1900654116. ISSN 0027-8424. PMC 6825274. PMID 31619572. S2CID 204755862.
  8. ^ "Bin Yu Computing, Data Science, and Society". data.berkeley.edu. Retrieved 2020-10-19.
  9. ^ "UC Berkeley to lead $10M NSF/Simons Foundation program to investigate theoretical underpinnings of deep learning Computing, Data Science, and Society". data.berkeley.edu. Retrieved 2020-10-19.
  10. ^ "Getting the right equipment to the right people". Berkeley Engineering. Retrieved 2020-10-19.
  11. ^ 수학통계연구소 웨이백머신에 보관된 2016-10-19 명예 연구원들이 2013-04-24를 회수했다.
  12. ^ 웨이백 머신에 보관된 IEEE 동료의 디렉토리 2013-01-31 2013-04-24.
  13. ^ 2013년 4월 새로 선출된 회원들이 2013-05-01년 미국 예술과학 아카데미 웨이백머신에 보관되어 2013-04-24를 회수했다.
  14. ^ "Elizabeth L. Scott Award". Archived from the original on 15 August 2018. Retrieved 30 March 2019.
  15. ^ "Yu Award Release". 2018-07-12. Retrieved 30 March 2019.
  16. ^ "Yu Award Release". 2018-09-11. Retrieved 30 March 2019.
  17. ^ "Breiman Lecture recording". 2020-10-18. Retrieved 18 October 2020.

외부 링크