狗熊会学术报告集锦 | 听老师讲入门

报告标题：经济学数据科学

摘要：In this talk, I will begin with introduction of typical big datasets in economics and business, explaining what big data can bring to economic research. I then highlight the difference between machine learning, statistics and economics. Finally I discuss the impact of machine learning on econometrics. If time permits, I will end the talk with some thoughts on curriculum development.

报告人简介：艾春荣，于1990年在美国麻省理工学院经济学系获经济学博士学位，现任香港中文大学（深圳）经管学院校长讲座教授。之前，他任职于美国国家经济研究局（1990-1991），纽约州立大学石溪分校（1991-1994），佛罗里达大学（1994-2020）。一直从事计量经济学、应用微观经济学、中国经济等领域的研究。已在国际一流期刊，包括经济学、金融学顶级期刊Econometrica, International Economic Review， Review of Economic and Statistics, Journal of Econometrics, American Journal of Agricultural Economics, Journal of Health Economics 等期刊上发表论文五十多篇。近几年来，他对中国经济也给予极大的关注，并在《经济研究》、《管理世界》、《管理科学学报》、《中国科学》、《数量经济与技术经济研究》、《统计研究》等期刊上发表文章十多篇， 就中国数据保密问题， 如何扩大消费问题， 中国公司债券定价问题，风险定价与控制，中国卫生服务公平性问题、和中国经济结构变化等问题做出了有益的探索。

报告链接：

报告标题：机器学习简史

摘要：毋庸置疑，机器学习，特别是深度学习，是延续至今的第三次人工智能热潮的关键领域。本讲座将简要介绍机器学习的历史，试图使听众们初略地了解机器学习基础理论方法的来龙去脉，以明了当今中国人工智能领域在国际上的地位。

报告人简介：林宙辰，国家杰青，IAPR/IEEE Fellow。2000年毕业于北京大学，获博士学位，现任北京大学信息科学技术学院教授。主要从事机器学习、计算机视觉等领域研究，发表论文200余篇（半数以上为CCF A类）、英文专著2本，谷歌学术引用近2万次。担任中国图象图形学学会机器视觉专委会主任、中国自动化学会模式识别与机器智能专委会副主任、中国计算机学会计算机视觉专委会常务委员、中国人工智能学会模式识别专委会常务委员。曾任CCF A类杂志IEEE T. Pattern Analysis and Machine Intelligence编委，担任CCF A类杂志International J. Computer Vision编委、ICPR 2022 Program Co-Chair、ICPR 2020 Track Chair，多次担任CCF A类会议CVPR、ICCV、NIPS/NeurIPS、ICML、AAAI、IJCAI、ICLR领域主席。

报告链接：

报告标题：倾向性得分分析及其在观察型医学研究中的应用

摘要：Propensity Score Analysis（倾向性得分分析）是观察型研究（observational study）中的一种重要统计方法。在医学研究中，常常需要评估某项治疗方案是否有效。但是，当数据不是来自于随机化临床实验（randomized clinical trial）而是来自于无随机化的观察型研究时，评估结果可能会受干扰因素（confounder）的影响，造成误差（bias）。倾向性得分分析的方法可以有效的平衡干扰因素在参与评估的各项治疗方案中的分布，将观察型研究的数据转化成类似于随机化临床实验的数据，从而消除误差。倾向性得分分析是因果推断统计方法（causal inference）的基础。近年来，随着比较效益研究(Comparative Effectiveness Research)，真实世界数据（Real World Data）和电子病历（Electronic Health Records）大数据研究在医学上的广泛使用，倾向性得分分析日益受到重视。本讲座聚焦于倾向性得分分析相关的基本概念，分析流程，各类分析方法及其联系和区别，和医学数据分析实例，并简要介绍一些前沿的方法学课题

报告人简介：李亮博士现任美国得克萨斯大学MD Anderson癌症中心生物统计学系教授。他1998年毕业于北京大学生命科学学院，2003年获美国威斯康星大学统计学博士学位。2003至2013年，李博士在美国克利夫兰临床医院（Cleveland Clinic）先后担任生物统计学助理教授和副教授。克利夫兰临床医院在心内科和心外科方面的临床和研究方面长期排名美国第一。在这里，李博士和心脏外科和麻醉科研究人员有过长达九年的合作，在著名医学期刊发表了数十篇论文。因为很多数据来自于观察型研究（observational study），这些工作也启发李博士开始从事propensity score analysis的方法学的研究。2013年，李博士来到位于休斯敦的得克萨斯大学MD Anderson癌症中心，先后担任副教授和正教授。这是美国排名第一的癌症临床和研究机构。在这里，李博士从事了大量的基于观察型数据和电子病历数据的统计方法学研究，研究范围包括propensity score, longitudinal data analysis（纵向队列数据分析），和基于longitudinal data的疾病预测模型。目前，李博士共同领导的一个数据协调处理和分析中心正在为美国卫生研究院（NIH）资助的数个大型观察型研究项目提供支持。其中他作为首席统计师的PROCEED study是美国目前最大的关于慢性胰腺炎和胰腺癌的长期观察型研究。李教授已在统计和医学期刊发表140余篇论文，并于2020年当选为美国统计学会Fellow。

报告链接：