10月24日，来自中国人民大学大数据研究院的郭绍俊老师为本校师生带来题为functional data analysis in high dimensions: covariance information and phase transition的学术讲座。

在此次报告中，郭老师为大家分享了函数型数据领域的高维研究问题。郭老师以两个实际数据作为切入点，深入浅出地介绍了函数型数据及相关的科研挑战。其中，最主要的一个科研问题是高维函数型数据的协方差矩阵估计及相关理论性质。为解决这一科学难题，郭老师团队创新性提出了一种自适应的函数型阈值估计方法并给出了理论结果。这一方法在实际应用中具有良好的效果。报告结束后，郭老师同本校师生展开了深入的讨论和交流。

报告人简介：

郭绍俊，现为中国人民大学统计与大数据研究院长聘副教授。2003年本科毕业于山东师范大学，2008年获得中国科学院数学与系统科学研究院理学博士学位。2008-2016年任中国科学院数学与系统科学研究院助理研究员。2009-2010年赴美国普林斯顿大学运筹与金融工程系博士后研究，主要研究方向为高维数据分析。2014-2016年赴英国伦敦经济学院统计系做博士后研究，主要研究大维时间序列建模。目前主要研究方向有：统计学习；非参数及半参数统计建模；高维生存分析及函数型数据分析等。研究成果发表于Journal of Royal Statistical Society Series B, Journal of the American Statistical Association, Biometrika, Bernoulli, Journal of Econometrics, Journal of Business and Economic Statistics等期刊上。

撰稿：潘蕊 审核：王立勇