阳光六月，大雨初晴。6月19日，应统计学院邀请，南洋理工大学潘光明教授、美国佐治亚洲大学马平教授、美国密歇根州立大学Taps Maiti教授前往北综313开展学术活动。这次学术活动紧跟统计前沿问题研究，与大数据时代、空间统计紧密相连，而刚赴任的长江学者蒋继明教授也参加了此次学术活动。

首场学术报告由马平教授就开始，他的报告的主题是“Leveraging Methods for Massive Data logistics regression”。潘教授从实际问题出发，指出很多实际问题的数据结构都是“Large Sample Classification”,这类数据结构具有一个明显的特点，就是“Extremely imbalanced”，而处理这种具有特殊结构的数据，提出了“Leverage Method”，而这种方法可以在减小计算量的同时很好的保证精度。随后，潘光明教授在其报告“High dimensional statistics inference and sample covariance matrix”讲述了一种高维数据的处理方式，他从“Sample covariance matrix”出发，继而提出“Bounded spikes”以及其估计方法，最后可以通过估计“spikes”的值估计“eigenvalues”的值。

 下午，Dr. Maiti开始了他的学术报告，其报告主题为“High dimensional model building for spatial regression：A penalized approach”，Dr.Maiti 首先介绍了几种不同类型的空间数据，并用一个定律解释了空间的本质“Everything is related to everything else, near things are more related than distant thing”。他指出空间回归模型在很多领域都有重要的作用并提出了“Spatial Additive Model”并提出了一种渐进方法“Weighted Group LASSO objective function”，通过这种方法，可以解决“Spatial Additive Model”的参数估计问题。

这三位海外知名学者为统计学院的师生带来了一场统计领域的学术盛宴，每一场报告都是值得享受的珍馐。这次学术活动，不仅仅加强了海内外的学术交流，也推动了统计学院的狗万365 与学术发展，给统计学院的师生搭建了一个与国际接轨的重要平台。

                                                  （图文/统计学院 李忆）