报告题目：Statistical Learning Methods on Wearable Devices and Precision Medicine

主讲人：史建清教授（南方科技大学）      

时间：2021年7月29日（周四）14:30 p.m.

地点：北院卓远楼305会议室      

主办单位：统计与数学学院

摘要：可穿戴设备已经被越来越多地用于日常生活和健康医疗中，但对其海量数据的统计学习方法还处在初期阶段。可穿戴设备收集日常生活中的数据（即free-living数据）。相对于实验数据，free-living数据有以下特点（以AX6数据为例子）：（1）Free-living数据的随意性：受试者收集的数据是多段长短不同的，非标准的多维时间序列和函数型数据，我们要对此类非标准数据建立标准，和建立个体化的精准预测模型；（2）巨大的差异性（非齐性）：除了个体间的差异外，还有环境文化差异，以及同一个体日常生活的非规律性等；（3）数据结构异常复杂：例如原始数据可以是对应各类动作步态的过程变量（加速度或角速度），通常还包含较大的噪音信号，使得数据在不同时间和频率上都有非常不同的均值和方差结构；（4）海量数据：受试者佩戴可穿戴设备七天产生的原始数据总量超过5G，如何去除海量数据中的无用信息，保留建模所需的有效信息是待解决的问题。本讲座将会利用一些实际例子讨论如何解决这些问题的思路。

主讲人简介：    

史建清教授，南方科技大学统计与数据科学系教授。曾任英国纽卡斯尔大学（Newcastle University）统计学教授，英国国家艾伦图灵研究院图灵研究员。主要研究方向包括函数型数据分析，生物医学统计，缺失数据分析等。在国际学术刊物上发表高水平学术论文多篇，包括统计顶级期刊 JRSSB, JASA, Biometrika和Biostatistics。曾任英国皇家统计协会《应用统计》副主编，Guest AE for JRSS discussion paper，英国纽卡斯尔大学云计算和大数据研究培训中心副主任。曾获邀任剑桥大学世界最顶级数学学院之一的牛顿学院访问研究员，获美国统计协会非参数统计分会年度最佳论文奖，2012年获英国 Wellcome trust Health Innovation Challenge Fund，共计210万英镑。2011年在著名统计学出版社Chapman & Hall 出版专著：Gaussian Process Regression Analysis for Functional Data。