Giáo sư Jialiang Li hiện đang công tác tại Khoa Thống kê và Khoa học Dữ liệu và Trường Y khoa Sau đại học Duke-NUS, Đại học Quốc gia Singapore. Các lĩnh vực nghiên cứu hiện tại của ông bao gồm mô hình ngưỡng, mô hình phương trình cấu trúc, y học cá nhân hóa, y học chẩn đoán, trung bình mô hình, làm mượt dữ liệu, học máy thống kê, và phân tích sống sót. Ông là thành viên được bầu của Viện Thống kê Quốc tế (ISI) và là hội viên của Hiệp hội Thống kê Hoa Kỳ (ASA). Giáo sư Li đã nhận nhiều giải thưởng danh giá, bao gồm danh hiệu Fellow của Hiệp hội Thống kê Mỹ (ASA), Viện Thống kê Toán học (IMS), và giải thưởng Tài năng Nghiên cứu tại Singapore. Ngoài việc xuất bản nhiều nghiên cứu hàng đầu, ông còn tham gia biên tập cho các tạp chí khoa học uy tín, có thể kể đến là Annal of Applied Statistics, Biometrics, Annual Review of Statistics and Its Application.
Ngày 14/12/2024 sắp tới, GS. Jialiang Li sẽ có buổi báo cáo chuyên môn với chi tiết như sau:
- Chủ đề: “Dự đoán Trung bình Mô hình Robust của Phản hồi Dài hạn với Hiệp Biến siêu nhiều chiều"
(Robust Model Averaging Prediction of Longitudinal Response with Ultrahigh-dimensional Covariate). - Diễn giả: Giáo sư Tiến sĩ Jialiang Li
- Hình thức: Trực tiếp kết hợp trực tuyến thông qua nền tảng Zoom.
- Địa điểm: Phòng C.41, Trường ĐH Khoa học tự nhiên, ĐHQG-HCM.
(227 Nguyễn Văn Cừ, Phường 4, Quận 5, TP. Hồ Chí Minh) - Thời gian: 14:00-16:30 chiều ngày 14 tháng 12 năm 2024.
- Tóm tắt bài báo cáo:
Trung bình mô hình là một kỹ thuật tập hợp hấp dẫn để xây dựng các dự đoán nhanh và chính xác. Mặc dù đã được áp dụng rộng rãi trong phân tích dữ liệu chéo, nhưng việc ứng dụng nó vào dữ liệu theo thời gian vẫn còn hạn chế. Chúng tôi xem xét trung bình mô hình cho phản hồi dài hạn khi số lượng biến độc lập là siêu cao. Để thực hiện điều này, chúng tôi đề xuất một quy trình hai giai đoạn mới, trong đó bước đầu tiên là thực hiện sàng lọc biến và sau đó là trung bình mô hình. Trong cả hai giai đoạn, một hàm ước lượng dựa trên thứ hạng vững chắc được giới thiệu để xử lý các ngoại lệ tiềm ẩn và phân phối sai số có đuôi nặng, trong khi mối tương quan theo thời gian được mô hình hóa bằng phương pháp phân rã Cholesky đã sửa đổi và được tích hợp một cách hợp lý để đạt được hiệu quả. Các tính chất tiệm cận của các phương pháp mà chúng tôi đề xuất được thiết lập một cách chặt chẽ, bao gồm tính nhất quán trong việc sàng lọc và hội tụ của dự đoán trung bình mô hình, với sự không chắc chắn trong bước sàng lọc và tập hợp mô hình đã chọn đều được xem xét. Các nghiên cứu mô phỏng rộng rãi cho thấy phương pháp của chúng tôi vượt trội hơn so với các đối thủ hiện có, dẫn đến cải thiện đáng kể trong hiệu suất sàng lọc và dự đoán. Cuối cùng, chúng tôi áp dụng khuôn khổ đề xuất của mình để phân tích một tập dữ liệu vi sinh vật học của con người, cho thấy khả năng của quy trình trong việc tạo ra dự đoán vững chắc bằng cách sử dụng các chất chuyển hóa khổng lồ.
Thông qua buổi nói chuyện này, GS.TS Jialiang Li cũng sẽ có buổi trao đổi về cơ hội học bổng học tập và nghiên cứu tại Đại học Quốc gia Singapore.
Kính mời quý thầy cô, nghiên cứu sinh, học viên cao học và sinh viên đến tham dự. Xin vui lòng quét mã Qr bên dưới hoặc đăng ký thông tin tham dự tại đây.
