2016年12月16日，“第一届北大-清华统计论坛”在北京大学国际数学中心甲乙丙楼召开，此次论坛旨在促进北大和清华两校教师之间以及学生之间的交流和合作，促进统计学者的共同进步，促进统计学科的发展，迎接新时代统计学面临的机遇和挑战。本次论坛由北京大学统计科学中心、清华大学统计学研究中心、北京大学数学科学学院、北京国际数学中心共同举办，共计200余位教师及学生参加。
北京大学统计科学中心科学委员会主席、美国国家科学院院士、美国加州伯克利大学统计系郁彬教授和美国哈佛大学统计系刘军教授做大会报告。
报告结束后，两校同学进行了海报展示，60余名老师及研究生参与其中，并进行积极地交流讨论，学术气氛非常热烈。
2016年12月9日至11日，“2016清华大学青年统计学者论坛”在清华大学隆重举行。本次论坛旨在促进国内青年统计和数据科学学者间的学术交流和合作，更好地推动统计学和数据科学的发展，同时加强与国内外各兄弟院校之间的协同合作。来自国内外顶级高校的五十余位专家学者参加了本次会议，论坛以学术报告和现场提问的形式开展，参会嘉宾畅所欲言，报告内容精彩纷呈。
会议手册.pdf
为促进北大和清华两校教师之间以及学生之间的交流和合作， 促进统计学者的共同进步，促进统计学科的发展，迎接新时代统计学面临的机遇和挑战，第一届北大–清华统计论坛将于2016年12月16日在北京大学国际数学中心甲乙丙楼多功能会议室召开。北京大学统计科学中心科学委员会主席、美国国家科学院院士、美国加州伯克利大学统计系郁彬教授和清华大学统计中心主任、美国哈佛大学统计系刘军教授将做大会报告。
（一）
报告题目：Artificial Neurons Meet Real Neurons: Pattern Selectivity of V4
摘 要：Vision in humans and in non-human primates is mediated by a constellation of hierarchically organized visual areas. One important area is V4, a large retinotopically-organized area located intermediate between primary visual cortex and high-level areas in the inferior temporal lobe. V4 neurons have highly nonlinear response properties. Consequently, it has been difficult to construct quantitative models that accurately describe how visual information is represented in V4. To better understand the
filtering properties of V4 neurons we recorded from 71 well isolated cells stimulated with natural images. We fit predictive models of neuron spike rates using transformations of natural images learned by a convolutional neural network (CNN). The CNN was trained for image classification on the ImageNet dataset. To derive a model for each neuron, we first propagate each of the stimulus images forward to an inner layer of the CNN. We use the activations of the inner layer as the feature (predictor) vector in a high dimensional regression, where the response rate of the V4 neuron is taken as the response vector. Thus, the final model for each neuron consists of a multilayer nonlinear transformation provided by the CNN, and one final linear layer of weights provided by regression. We find that models using the first two layers of three well-known CNNs provide better predictions of responses of V4 neurons than those obtained using a conventional Gabor-like wavelet model. To characterize the spatial and pattern selectivity of each V4 neuron, we both explicitly optimize the input image to maximize the predicted spike rate, and visualize the selected filters of the CNN. We also perform dimensionality reduction by sparse PCA to visualize the population of neurons. Finally, we show the stability of our analysis across the three CNNs and regression methods Lasso and Ridge, and conclude that the V4 neurons are tuned to a remarkable diversity of shapes such as curves, blobs, checkerboard patterns, and V1-like gratings.
报告人：
郁彬，加州大学伯克利分校统计系及电气工程与计算机科学系校长教授，加州大学伯克利分校统计系前系主任。 北京大学统计科学中心科学委员会主席。 她同时是北京大学微软统计与信息技术教育部–微软重点实验室的创办者及联席主任。她与基因组学、神经科学、医学领域科学家合作进行跨学科研究，开发了统计和机器学习方法/算法和理论，并与领域知识以及量化批判思维结合以解决这些领域中的数据问题。郁彬教授是美国国家科学院和美国艺术与科学学院两院院士。2006 年当选Guggenheim Fellow，2011 年受邀在 ICIAM （The International Council for Industrial and Applied Mathematics，国际工业与应用数学大会）作特邀演讲， 2012 年作了伯努利协会的图基纪念演讲（Turkey Memorial Lecture of the Bernoulli Society）， 2016 年作IMS（Institution of Mathematical Statistics，数理统计协会） Rietz 演讲。郁彬教授曾于 2013-2014 年出任 IMS 主席，也是 IMS、ASA（ American Statistical Association，美国统计协会）、AAAS（American Association for the Advancement of Science，美国科学促进会）和 IEEE（Institute of Electrical and Electronics Engineers，电气和电子工程师协会）的会士。
（二）
报告题目：Generalized R-squared for detecting dependence
摘 要：Detecting dependence between two random variables is a fundamental problem.Although the Pearson correlation is effective for capturing linear dependency, it can be entirely powerless for detecting nonlinear and/or heteroscedastic patterns. We introduce anew measure, G-squared, to test whether two univariate random variables are independent and to measure the strength of their relationship. The G-squared is almost identical to the square of the Pearson correlation coefficient, R-squared, for linear relationships with constant error variance, and has the intuitive meaning of the piecewise R-squared between the variables. It is particularly effective in handling nonlinearity and heteroscedastic errors. We propose two estimators of G-squared and show their consistency. Simulations demonstrate that G-squared estimators are among the most powerful test statistics compared with several state-of-the-art methods.
报告人：
刘军，哈佛大学统计系和生物统计系教授，清华大学统计中心主任。 是世界生物统计和生物信息学领域的著名专家。他们实验室是转录因子-DNA 序列结合位点的预测课题的先驱。用计算机方法和统计学方法预测的这些位点经过实验室验证属实，目前已经预测的有：大肠杆菌（ E. Coli）、Basillus Subtilis、酵母和人类转录因子结合位点。此外，他们预测的部分蛋白结构也已经获得实验室证实。 在贝叶斯方法、蒙特卡罗方法、生物信息学、遗传学等领域做出了一系列奠基性工作。对统计理论、复杂系统优化、基因组学、信号处理等领域产生了非常深
远的影响。刘军教授 2012 年获得泛华统计协会杰出成就奖， 2010 年获得华人数学界的最高荣誉晨星应用数学金奖， 2005 年被美国统计协会(ASA)选为“ASA FELLOW”；于 2002年获得北美五个统计学会联合设立的 “COPSS Presidents’ Award”。 2001 年刘军教授完成了自己的英文著作《科学计算中的蒙特卡罗策略》。此书现已成为哈佛大学、斯坦福大学及其他高等学府的教科书。2010 至 2013 年间担任《 JASA》的联合主编，是国际数理统计学会会士（ IMS fellow）和美国统计学会会士（ ASA fellow）。
为了给有志于继续深造统计学和数据科学的优秀大学生提供一个开阔学术视野、了解学术前沿的机会，清华大学统计学研究中心于 2016 年 7 月 13 日至 16 日举办“优秀大学生夏令营”活动。本次夏令营主要面向全国重点高校的优秀大三本科生，尤其欢迎统计、数学与应用数学、计算机、自动化、生物信息、经济学等相关专业方向的同学报名。
在为期 3 天的夏令营活动中，同学们与国际一流学术大师和国内外产业界精英深度互动，了解关于统计学、数据科学学术前沿、产业应用、未来发展的最新动态。8位夏令营同学获得“优秀学员奖”。
2016年5月30日，美国科学院院士、加州大学伯克利分校统计系教授郁彬受邀访问我中心，与我中心师生进行了深度会谈并做特邀报告。郁彬教授是加州大学伯克利分校统计系&电子工程与计算机科学系终身教授、也是该校Chancellor’s Professor。
30日下午，郁彬教授在中央主楼三层接待厅做题为Statistics is a Pillar of Data Science的学术报告，来自全校约150名师生聆听了此次报告，反响热烈。
清华大学统计学研究中心自2015年6月正式成立以来，在清华大学各级领导和统计学届各位同仁的支持下，在人才引进、学科建设等方面逐渐取得了一系列进展。为了给中心未来的发展建设画好蓝图，我中心于2015年12月12日组织召开“发展规划咨询研讨会”，邀请20余位资深统计学家莅临我中心参观指导，为我校统计学科“十三五发展规划”的制定把握方向、提出意见。参会专家讨论热烈，提出了很多宝贵的意见和建议，会议取得了圆满成功！
为了支持日益增长的医疗大数据研究和产业需求，清华大学在统计学研究中心下成立了医疗大数据中心。中心邀请 Analysis Group (AG) 展开战略合作，共同建设该中心。2015年10月30日，近百位国内学医界、学术界、产业界和政府嘉宾出席了签约和中心成立仪式。哈佛大学统计系刘军教授、Analysis Group执行董事吴琼博士做主题发言。中国卫生法学会会长、全军肛肠外科研究所所长高春芳、国家统计局统计研究所所长万东华、北京大学中国卫生经济研究中心主任刘国恩、中国科协副主席张勤做大会致辞。尤政副校长到会祝贺。
Analysis Group 是全球最富盛名的大数据分析与咨询机构之一。在过去的30余年中，Analysis Group的医疗健康团队在全球20多个国家、地区进行了深入的数据分析研究工作，在该领域的科研和产业应用上有着深厚的积累。清华大学将以该中心为平台，与Analysis Group展开战略合作，并邀请来自包括北京大学、中国科学院、哈佛大学等科研机构和国内外知名医疗机构的专家共同参与建设医疗大数据中心。本中心的研究重点是与医疗大数据相关的理论与方法研究及实际应，以支持临床研究，政策制定，医疗机构管理，和医疗健康产业的创新。更进一步，本中心还将为学术研究、政府以及医疗健康产业培养医疗大数据领域的相关优秀人才。
此次双方的合作可谓为在科学研究和人才培养两个方面的强强联合。在科学研究方面，清华大学统计学研究中心拥有包括刘军教授在内的国际一流的研究团队，为医疗大数据研究提供了很好的理论基础。AG对全球医疗大数据分析研究和产业应用有着丰富的经验。双方专家团队在过去几年中已经展开了一系列合作，包括比较有效性分析，国内医疗大数据构建和信息挖据，个性化与精准治疗，中文自然语言识别技术的应用等；并共同发表一系列学术文章。在人才培养方面，清华有很好的师 资力量和优秀的学生，同时AG拥有30多年医疗大数据领域人才培养的经验。双方在人才培养方面展开合作，将会为培养出更多医疗大数据领域的相关优秀人才。
Analysis Group (AG) 是全球最负盛名的大数据分析与咨询机构之一，自1981年以来一直为全球龙头企业（包括众多《财富》世界500强公司）、医疗产品与医疗服务公司、著名法律机构和政府机构提供以数据分析为基础的在医疗健康、经济、金融、能源、环境、食品等领域的研究与分析服务。AG的医疗大数据分析与研究工作遍布全球20多个国家和地区。公司总部在波士顿，在全球有包括北京公司在内的11个分支机构。AG在2011年Vault公司进行的美国最佳咨询公司评比中排名第四，并在由《波士顿环球报》(Boston Globe)主办的2012和2013年度马萨诸塞州企业评比中连续两次被评为最佳大型企业雇主。纽约时报、华尔街日报、福布斯、财富、商务周刊、美国国家公共广播电台和加拿大广播公司等多家颇具影响力的媒体都对AG基于大数据的研究工作进行过多次报道。
公司的600多名专业人员大都拥有医药、统计、经济、数学、金融、保险、财会和管理等领域的高等学位，并与学术界和业界众多知名专家长期通力协作，开展广泛的分析研究与咨询工作。
新闻连接：
《中国日报》：Medical Big Data Center set up in Beijing
《21世纪经济报道》：万亿市场？清华大学与AG成立医疗大数据中心
《财新网》：哈佛刘军：看好未来中美医疗大数据合作
2015年6月27日，清华大学统计学研究中心成立仪式在电子工程馆报告厅举行。
清华大学副校长薛其坤，美国科学院院士、斯坦福大学统计系教授王永雄，美国工程院院士、佐治亚理工大学工业与系统工程学院教授吴建福，澳大利亚科学院院士、加州大学伯克利分校统计系教授特里·斯皮德，台湾“中研院”院士、普林斯顿大学运筹学与金融工程系教授范剑青，哈佛大学生物统计系教授刘小乐，哈佛大学统计系教授刘军，哈佛大学生物统计系主任林希虹，以及来自海内外的100余位统计学家和各界嘉宾出席成立仪式。
薛其坤在致辞中代表清华大学对统计学中心的成立表示祝贺，对与会嘉宾表示热烈欢迎。他指出，统计学研究中心的成立是清华大学学科建设的一件大事。近年来，作为系统研究数据科学的学科，统计学在学科体系中的重要性愈发凸显，在科学研究、经济与社会管理决策方面的重要性也与日俱增，对经济发展、社会进步和人类生活质量的提高有着显著意义。清华大学会一如既往地对中心发展给予多方面支持，与各方一道积极推动中心各项工作的开展。
刘军教授介绍了清华大学统计学研究中心的成立与发展情况。他表示，在学校的大力支持下，中心会积极建立一流的师资队伍，增强与相关院系单位的交流与合作，开展高水平的学术研究工作，力争早日在清华建立起国际领先的统计学科。林希虹、王永雄、吴建福、东北师范大学前校长史宁中分别发言，分享各校统计学科的发展经验，并表示会尽己所能、整合各方资源，帮助清华统计学研究中心更快更好地发展。
