Bin Yu ( chino :郁彬) es un estadístico chino-estadounidense. Actualmente es profesora del Canciller en los Departamentos de Estadística y de Ingeniería Eléctrica y Ciencias de la Computación de la Universidad de California, Berkeley . [1] [2]
Yu obtuvo una licenciatura en matemáticas en 1984 de la Universidad de Pekín y realizó estudios de posgrado en estadística en Berkeley, donde obtuvo una maestría en 1987 y un doctorado. en 1990. Su tesis, Algunos resultados sobre procesos empíricos y complejidad estocástica , fue supervisada conjuntamente por Lucien Le Cam y Terry Speed . [3]
Después de estudios posdoctorales en el Instituto de Investigación de Ciencias Matemáticas y una cátedra asistente en la Universidad de Wisconsin-Madison , regresó a Berkeley como miembro de la facultad en 1993, fue titular en 1997 y se convirtió en profesora del Canciller en 2006. También trabajó en Bell Labs. de 1998 a 2000, mientras estaba de licencia en Berkeley, y ha ocupado puestos visitantes en varias otras universidades. Presidió el Departamento de Estadística de Berkeley de 2009 a 2012 y fue presidenta del Instituto de Estadística Matemática en 2014. [1] [2] [4] En 2023, recibió el Premio al Logro Distinguido y la Cátedra COPSS .
El trabajo de Yu aprovecha los desarrollos computacionales para resolver problemas científicos combinando enfoques de aprendizaje automático estadístico con la experiencia de muchos colaboradores, abarcando muchos campos que incluyen estadística, aprendizaje automático, neurociencia, genómica y teledetección. [5] Su trabajo reciente se ha centrado en solidificar una visión para la ciencia de datos, incluido un marco para la ciencia de datos verídicos [6] y un marco para el aprendizaje automático interpretable. [7] Yu también ha desarrollado un marco PCS (previsibilidad, computabilidad y estabilidad) para la ciencia de datos verídicos para unificar, optimizar y ampliar ideas y mejores prácticas de aprendizaje automático y estadística. Yu ha recibido cobertura noticiosa reciente sobre su marco verídico de ciencia de datos, [8] investigaciones sobre los fundamentos teóricos del aprendizaje profundo, [9] y su trabajo de previsión de la gravedad de COVID-19 en los EE. UU. [10]
Otras investigaciones incluyeron investigaciones en el área de métodos/algoritmos estadísticos de aprendizaje automático (y problemas de inferencia estadística asociados), como el aprendizaje de diccionarios, la factorización matricial no negativa (NMF), EM y aprendizaje profundo (CNN y LSTM ), y estimación de efectos heterogéneos en experimentos aleatorios (X-learner).
Yu es miembro del Instituto de Estadística Matemática , el IEEE , la Asociación Estadounidense de Estadística , la Asociación Estadounidense para el Avance de la Ciencia , la Academia Estadounidense de Artes y Ciencias y la Academia Nacional de Ciencias . [1] [2] [11] [12] [13] En 2012, fue profesora de Tukey de la Sociedad Bernoulli de Estadística Matemática y Probabilidad . [1] [2] En 2018, recibió el premio Elizabeth L. Scott . Fue invitada a dar la conferencia Breiman en NeurIPS 2019 (formalmente conocida como NIPS), sobre el tema de la ciencia de datos verídicos. [14] [15] [16] [17] En 2021, la Universidad de Lausana le otorgó un doctorado honoris causa . [18] Y en 2023, recibió la conferencia sobre logros distinguidos de la COPSS . [19]