講座題目：Machining Learning: An Applied Econometric Approach
主 講 人：林光平（美國波特蘭州立大學）
時 間：10月25日（周三）下午14:00
地 點：燕山校區(qū)一號教學樓1505教室
主講人簡介：
林光平（Kuan-Pin Lin）教授，美國波特蘭州立大學經(jīng)濟系終身教授，廈門大學講座教授。研究領(lǐng)域覆蓋計量經(jīng)濟學、數(shù)理經(jīng)濟學、計算經(jīng)濟學等。林光平教授1977年在紐約州立大學石溪分校獲經(jīng)濟學博士學位，之前曾于1973－1975年在哈佛大學研習數(shù)學研究生課程。1978－1979年，林教授成為哈佛大學的博士后研究員，在著名經(jīng)濟學家、諾貝爾經(jīng)濟學獎得主肯尼斯.J.阿羅教授的指導下，完成了經(jīng)濟系統(tǒng)中決策有效性的研究項目。20世紀80年代以來，林教授曾先后執(zhí)教于紐約州立大學石溪分校、Reed大學以及中國包括清華大學，廈門大學在內(nèi)的多所大學，他的著作發(fā)表在Econometrics、Economics Letters、Journal of Finance、Journal of Mathematical Economics、Journal of Economic Dynamics and Control、Computation Economics等學術(shù)期刊上。近年來，林光平教授致力于大數(shù)據(jù)計量經(jīng)濟學、云計算、數(shù)據(jù)挖掘、機器學習等領(lǐng)域，取得了突破性的進展。
報告摘要：
Machines are increasingly doing "intelligent" things. Face recognition algorithms use a large dataset of photos labeled as having a face or not to estimate a function that predicts the presence y of a face from pixels x. This similarity to econometrics raises questions: How do these new empirical tools fit with what we know? As empirical economists, how can we use them? We present a way of thinking about machine learning that gives it its own place in the econometric toolbox.
科研處 統(tǒng)計學院（大數(shù)據(jù)與指數(shù)研究院） 山東省大數(shù)據(jù)研究會
2017年10月24日
