报告人简介

Yao Zhigang,新加坡国立大学统计与数据科学系副教授兼终身教授。他现为哈佛大学数学科学与应用中心成员，哈佛大学统计系访问教授，也曾作为特邀客座教授访问瑞士洛桑联邦理工大学（EPFL）等大学。

研究兴趣主要是复杂数据的统计推断。近年来专注于非欧式统计(Non-Euclidean Statistics)和低维流形学习。Yao在与Prof Shing-Tung Yau合作和帮助下，致力于推动几何和统计的交互这个全新的领域（https://cmsa.fas.harvard.edu/event/geometry-and-statistics/）。Yao也是即将在中国召开的第一届几何和统计交互的研讨会的倡导者 （https://zhigang-yao.github.io/bimsa-satellite/）。 近年来，Yao与其合作者提出在黎曼流形上重新定义传统PCA的principal flow/sub-manifold以及principal boundary等方法和理论，以及全空间下新的manifold learning方法和理论。这些方法通过考虑数据本身的非欧结构，旨在解决传统统计方法和理论中的缺陷。个人网页https://zhigang-yao.github.io/

 

 

 

附件下载