短期课程：Texas A&M University，NiYang助理教授到访我院并讲授短期课程

2019年6月3日至2019年6月6日，来自Texas A&M University Department of Statistics的NiYang助理教授在我校为我院及相关院系的师生们讲授了以“Bayesian Regression and Nonparametric Models”为主题的系列课程。

首先，倪老师在我校明德楼417教室为大家简要介绍了贝叶斯回归模型（Bayesian regression models）的相关内容。贝叶斯线性回归（Bayesian linear regression）是使用统计学中贝叶斯推断（Bayesian inference）方法求解的线性回归（linear regression）模型。将线性模型的参数视为随机变量（random variable），并通过模型参数（权重系数）的先验（prior）计算其后验（posterior），可以求解权重系数的概率密度函数，进行在线学习以及基于贝叶斯因子（Bayes factor）的模型假设检验。

接着，倪老师又在我校明德楼417教室为同学们讲授了统计学中的收缩和稀疏性（Shrinkage and sparsity）。其中，稀疏性（sparsity）是简单性的一种形式，在一个稀疏统计模型中，仅有较少参数（也称预测因子，predictor）在发挥重要作用。

随后，倪老师在我校公共教学一楼1506教室为我们讲解了贝叶斯非参数模型（Introduction to Bayesian nonparametric models）。贝叶斯非参数模型是一种定义在无限维参数空间上的贝叶斯模型，模型的大小可以随着模型内数据的增大或减小而自适应模型的变化，即可以根据数据的多少选择参数来确定模型，具有广泛的应用前景。

最后，倪老师又在我校明德楼415教室为大家进一步讲解了中餐厅过程，以及其他有关的特征分配优先级案例（Chinese restaurant process and other related feature allocation priors）。中餐厅过程是一个典型的Dirichlet过程混合模型。Dirichlet过程是一个随机过程，其样本轨道是概率测度，狄利克雷过程作为贝叶斯决策理论中的先验概率，被广泛应用于非参数统计中。其后验概率依然为狄利克雷过程，在非参数贝叶斯模型中有着广泛应用。

在课堂上，参与此次课程的各位老师同学也和倪老师就课程的内容、问题以及在现实中的应用等方面展开了热烈的讨论，课程取得了圆满成功。

附：Ni Yang助理教授简介

Assistant Professor, Department of Statistics,Texas A&M University

Junior Travel Support, 20th Meeting of New Researchers in Statistics and Probability, 2018

NSF Junior Travel Support, ISBA World Meeting, Edinburgh, UK, 2018

Travel Support, Rising Stars Symposium in Data Science, The University of Chicago, 2017

Savage Award (honorable mention), Best Bayesian Dissertations, 2017

Travel Support, The Third Annual Kliakhandler Conference on Bayesian Inference in Statistics and Statistical Genetics, 2017

Junior Travel Support, 19th Meeting of New Researchers in Statistics and Probability, 2017

Junior Travel Support, CBMS: Regional Conference on Spatial Statistics, 2017

研究领域：

Graphical models, Bayesian nonparametrics, big data computation, machine learning, random networks, variable selection, clustering and feature allocation, classification

E-mail :

yni@stat.tamu.edu

Homepage:

https://www.stat.tamu.edu/~yni/