一、报告时间

2025年10月13日（星期二）15:30

二、报告地点

线下报告：经管101报告厅

三、报告人

於州  华东师范大学统计学院院长、教授

四、报告主题

人工智能时代的数据压缩

五、报告摘要

样本均值不仅计算简单，往往也是从统计充分性上无损的数据压缩方式。从最初的简单平均过渡到加权平均，也成为统计推断与机器学习领域的核心范式之一。我们将通过讨论经典统计方法的加权平均模式，到由随机森林和神经网络驱动的自学习加权模式，进一步展示加权平均的数据压缩模式正演变为一套兼具统计效率与理论透明性的智能学习方法。此外，在现代人工智能领域，以自编码器和对比学习为核心的无监督及自监督范式，也是广为流行的特征压缩及提取范式。基于统计充分完备性准则的有监督数据降维压缩，在深度学习的驱动下也取得了诸多新进展。我们将重点讨论融合统计相依性度量准则与生成式人工智能方法的新型深度非线性数据降维压缩框架，并探讨其在预训练大模型的轻量化表示及变点监测中的具体应用。

六、报告人简介

於州，华东师范大学统计学院院长，教授、博士生导师。主要研究方向为高维数据统计分析及统计机器学习，在Annals of Statistics, Biometrika，JASA, JRSSB, JMLR, IEEE TIT等知名统计及机器学习期刊上发表论文60余篇。曾主持国家重点研发计划课题、自然科学基金青年、面上项目，获得上海市自然科学二等奖等奖项，霍英东青年科学奖二等奖。并先后入选上海高校东方学者特聘教授，上海市青年拔尖人才，国家级青年人才等计划。