NUS 数据科学与机器学习硕士项目师资介绍
新加坡国立大学数据科学与机器学习（Data Science and Machine Learning，以下缩写DSML）理学硕士学位项目由理学院的数学系和统计与应用概率系、计算机学院的计算机科学系合办，并得到工程学院和苏瑞福公共卫生学院在教学上的大力协助。
DSML硕士项目每年招生1次。2021年8月入学的申请即将于2020年10月15日开放，2021年1月31日截止。
作为前沿的跨学科硕士项目，今天为大家介绍授课的部分师资。
张洛欣博士
教授
数据科学与机器学习硕士学术主任
张洛欣（Zhang Louxin）博士是新国大数学系及综合科学与工程研究生院教授。他在加拿大滑铁卢大学获得计算机科学博士学位。他的研究兴趣包括数据科学在生物医学中的应用，复杂网络和传染病传播建模。他曾担任国际分子生物学智能系统会议和欧洲计算生物学会议等多个国际生物信息学会议的项目委员会成员/主席，并担任八种国际生物信息学期刊的编辑委员/客座编辑。
DSML硕士讲授课程
DSA5101
Introduction to Big Data for Industry
部分著作
Chen J, Zhang L. A survey and systematic assessment of computational methods for drug response prediction. Briefings in Bioinformatics. 2020; bbz164.
https://doi.org/10.1093/bib/bbz164
Alberts R, Chen J, Zhang L. ZDOG: zooming in on dominating genes with mutations in cancer pathways. BMC bioinformatics. 2019 Dec;20(1):1-5.
Tran NH, Choi KP, Zhang L. Counting motifs in the human interactome. Nature Communications. 2013; 4:1-8.
Tindale LC, Stockdale JE, Coombe M, Garlock ES, Lau WY, Saraswat M, Zhang L, Chen D, Wallinga J, Colijn C. Evidence for transmission of COVID-19 prior to symptom onset. Elife. 2020 Jun 22;9:e57149.
纪辉博士
副教授
纪辉（Ji Hui）博士现为新国大数学系副教授，小波逼近及信息处理中心主任，以及数据科学研究院（Institute of Data Science）研究员。他是DSML硕士项目的执行委员会成员。他在马里兰大学帕克分校获得计算机科学博士学位。他的研究集中在应用数学及其在图像和数据科学中的应用。他主要的兴趣包括计算调和分析、计算机视觉、机器学习和数据科学。
DSML硕士讲授课程
DSA5203
Visual Data Processing and Interpretation
代表著作
Quan Y, Chen M, Pang T, Ji H. Self2Self with dropout: Learning self-supervised denoising from single image, IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2020
Bao C, Ji H, Quan Y, Shen Z. Dictionary learning for sparse coding: Algorithms and convergence analysis. IEEE transactions on pattern analysis and machine intelligence. 2015 Oct 7;38(7):1356-69.
Cai JF, Ji H, Shen Z, Ye GB. Data-driven tight frame construction and image denoising. Applied and Computational Harmonic Analysis. 2014 Jul 1;37(1):89-105.
Seth Gilbert博士
Dean's Chair Associate Professor
Seth Gilbert博士是新国大计算机科学系Dean's Chair Associate Professor，DSML硕士项目的执行委员会成员。他在麻省理工学院获得博士学位，并在瑞士洛桑联邦理工学院从事博士后研究多年。他的研究主要集中在大规模分布式系统中的算法的可扩展性和容错性。如何建立一个庞大但可靠的高效率系统？他的工作涉及退避协议、动态图算法、无线网络、鲁棒调度和临时区块链的研究。他的研究广泛地涵盖了各类并行和分布式计算的算法问题。
DSML硕士讲授课程
CS5234
Algorithms at Scale
近期著作
Sourav S, Robinson P, Gilbert S. Slow links, fast links, and the cost of gossip. IEEE Transactions on Parallel and Distributed Systems. 2019 Mar 18;30(9):2130-47.
Bender MA, Fineman JT, Gilbert S, Kopelowitz T, Montes P. File maintenance: when in doubt, change the layout!. In Proceedings of the Annual ACM-SIAM Symposium on Discrete Algorithms 2017 (pp. 1503-1522). SIAM, USA
Dinitz M, Fineman J, Gilbert S, Newport C. Load balancing with bounded convergence in dynamic networks. In IEEE INFOCOM 2017-IEEE Conference on Computer Communications 2017 May 1 (pp. 1-9). IEEE.
李千骁博士
Presidential Young Professor
李千骁（Li Qianxiao）博士是新国大数学系Presidential Young Professor。他在普林斯顿大学获得应用数学博士学位。他的研究兴趣包括深度学习、优化、应用动力学系统以及数据科学在计算和实验科学问题中的应用。
DSML硕士讲授课程
DSA5102X
Foundations of Machine Learning
DSA5204
Deep Learning and Applications
机器学习与数据科学著作
Li Q, Hao S. An Optimal Control Approach to Deep Learning and Applications to Discrete-Weight Neural Networks. In International Conference on Machine Learning 2018 Jul 3 (pp. 2985-2994).
Li Q, Tai C, W. E. Stochastic Modified Equations and Dynamics of Stochastic Gradient Algorithms I: Mathematical Foundations. Journal of Machine Learning Research. 2019 Mar 1;20(40):1-40.
Cai Y, Li Q, Shen Z. A Quantitative Analysis of the Effect of Batch Normalization on Gradient Descent. In International Conference on Machine Learning 2019 May 24 (pp. 882-890).
陈颖博士
副教授
陈颖（Chen Ying）博士是新国大数学系副教授，风险管理所（Risk Management Institute）的联合受聘研究员。她是一名金融统计学家和数据科学家。她在德国柏林洪堡大学获得博士学位。她开发了为非平稳、高频和大维复杂数据定制的统计建模和机器学习方法，并将这些方法应用于金融科技和能源预测。她还从事商业智能、预测、文本挖掘和情感分析以及网络分析。
陈博士担任若干国际学术期刊的副主编，包括 Statistica Sinica（2017年8月1日至2021年7月31日），Statistics and Its Interface，Computational Statistics，Digital Finance，以及 Journal of Operations Research and Decisions。
她自2016年3月起入选国际统计学会（ISI）推选会士。并于2017年7月起任国际统计计算协会（IASC）的学术秘书长（Scientific Secretary）以及执行委员会委员， IASC亚洲区分会（ARS）的董事会成员。2018年4月1日至2021年3月31日，她受邀加入日本统计数理研究所咨询委员会。此外，陈博士还领导及参与多个工商学术合作研究项目。
DSML硕士讲授课程
DSA5205
Data Science in Quantitative Finance
近期著作
Chen Y, Chua WS, Koch T. Forecasting day-ahead high-resolution natural-gas demand and supply in Germany. Applied energy. 2018 Oct 15;228:1091-1110.
Chen Y, Li B. An adaptive functional autoregressive forecast model to predict electricity price curves. Journal of Business & Economic Statistics. 2017 Jul 3;35(3):371-388.
Chen Y, Marron JS, Zhang J. Modeling seasonality and serial dependence of electricity price curves with warping functional autoregressive dynamics. The Annals of Applied Statistics. 2019;13(3):1590-1616.
栗家量博士
副教授
栗家量（Li Jialiang）博士是新国大统计与应用概率系副教授，也是杜克-国大医学院的副教授，以及新加坡眼科研究所的调查员，他是DSML硕士项目的执行委员会成员。他在威斯康星大学麦迪逊分校获得统计学博士学位。他是国际统计学会的当选会员和美国统计协会的会士（Fellow）。他的研究兴趣包括精准医学、诊断医学、预测方法、光滑估计方法和统计学习。他已发表了140余篇统计方法研究的论文，所提出的新方法正被应用在生物医学与计量经济学研究之中。
DSML硕士讲授课程
ST5227
Applied Data Mining
部分著作
Wang J, Li J, Li Y, Wong WK. A model‐based multithreshold method for subgroup identification. Statistics in Medicine. 2019 Jun 30;38(14):2605-31.
Li J, Jin B. Multi-threshold accelerated failure time model. Annals of Statistics. 2018 Dec 1;46(6A):2657-82.
Li J, Xia X, Wong WK, Nott D. Varying‐coefficient semiparametric model averaging prediction. Biometrics. 2018 Dec;74(4):1417-26.
Alexandre Hoang Thiery博士
助理教授
Alexandre Hoang Thiery博士是新国大统计与应用概率系助理教授。他在巴黎高等师范学院接受纯数学教育，并在华威大学攻读博士学位期间转向应用研究领域。他的研究兴趣广泛，包括利用优化、概率论和偏微分方程等工具解决应用统计学中的问题。
DSML硕士讲授课程
DSA4212
Optimisation for Large-Scale Data-Driven Inference
部分著作
Cheong H, Devalla SK, Pham TH, Zhang L, Tun TA, Wang X, Perera S, Schmetterer L, Aung T, Boote C, Thiery A. DeshadowGAN: a deep learning approach to remove shadows from optical coherence tomography images. Translational Vision Science & Technology. 2020 Jan 28;9(2):23.
Devalla SK, Liang Z, Pham TH, Boote C, Strouthidis NG, Thiery AH, Girard MJ. Glaucoma management in the era of artificial intelligence. The British journal of ophthalmology. 2020 Mar 1;104(3):301-311.
Sherlock C, Thiery AH, Roberts GO, Rosenthal JS. On the efficiency of pseudo-marginal random walk metropolis algorithms. The Annals of Statistics. 2015;43(1):238-275.
获得更多招生及入学指导，欢迎咨询蔡老师！
