学术报告

题      目：Optimal Distributed Subsampling Techniques for Big Data Analysis

报  告  人：艾明要 教授  (邀请人：张旭 )

                                   北京大学

时      间：6月16日  08：00-08：45

地     点：数科院西楼二楼会议室

报告人简介:

       北京大学数学科学学院统计学二级教授、博士生导师。兼任全国应用统计专业学位研究生教育指导委员会委员，中国现场统计研究会副理事长，试验设计分会理事长，高维数据统计分会副理事长，统计调查分会副理事长。中国数学会理事，普及与传播工作委员会委员，均匀设计分会副主任，中国概率统计学会第十一届理事会秘书长。中国统计学会常务理事。担任四个国际重要SCI期刊Statistica Sinica、JSPI、SPL和Stat的副主编，国内核心期刊 《系统科学与数学》、《数理统计与管理》、《数学进展》编委，科学出版社《统计与数据科学丛书》编委。主要从事大数据采样理论与算法、试验设计与分析、计算机仿真试验与建模、应用统计的教学和研究工作，在AoS、JASA、Biometrika、《中国科学》等国内外重要期刊发表学术论文八十余篇。主持国家自然科学基金重点项目1项、面上项目5项，另参与完成多项科技部重点研发计划项目。曾获得北京大学优秀博士学位论文指导教师和北京市高等学校优秀教学成果奖二等奖。

摘      要：

       Subsampling reduces computational burden and maintains statistical efficiency for big data. We review subsampling techniques for different models. If data volume is too large, nonuniform subsampling with replacement is infeasible. Poisson subsampling solves this problem. A distributed subsampling framework computes statistics on smaller data partitions. Strategies are evaluated through numerical experiments.