著名统计学家、中国人民大学统计学院教授吴喜之教授
授权转载自AI科技大本营
ID：rgznai
采访
胡永波，鸽子
导读
机器学习是一门在统计学和计算机科学交叉点上茁壮成长起来的学科。关于数据的学问，全在统计学里。
在经典统计学中，对于数据性质的研究、误差的分析、数据质量的判断、数据模型的建立，有着非常丰富的思想、理论和经验成果。对于机器学习来说，统计学既是理论基础，又是思想宝库。
但是现实世界中，机器学习的实践者大多出身计算机科学，除了本科学的那一点工科概率论与数理统计，对于统计学，基本上是“随用随学，够用为止”，因此统计学当中大量的思想资源实际上是被闲置的。
事实上，无论是做人工智能，还是做商业数据分析，如果能够对统计学有系统的理解，那么，他对于机器学习的研究和应用便会如虎添翼，登堂入室。
不过大多数统计学出身的学者推崇数学模型驱动的路子，在他们看来，直接从一堆实际数据出发做预测分析的“野路子”，是登不了学术的大雅之堂的。因此相当多的统计学者并没有积极投身机器学习的研究、教学和应用中，与机器学习界的交流也远远不够。
吴喜之教授则走的是一条实用应用之路。
吴喜之教授是我国著名的统计学家，退休前在中国人民大学统计学院任统计学教授。吴教授上世纪六十年代就读于北京大学数学力学系，八十年代出国深造，在美国北卡罗来纳大学获得统计学博士学位，是改革开放之后第一批留美并获得统计学博士学位的中国学者。多年来吴教授在国内外数十所高校讲授统计学课程，在国内统计学界享有盛誉。
早在十多年前，吴教授就第一个在国内大学统计学课堂引入R语言，培养了国内第一批R语言专家。如今他已古稀之年，仍然孜孜不倦的学习新方法、新工具，并且亲自编程实践，探索不辍。
在统计学家当中，他积极拥抱机器学习方法，并且撰写多部专著，致力于融合统计学和机器学习方法。另一方面，他对于机器学习，特别是数据性质和质量分析、回归与分类，复杂数据统计方法以及时间序列分析，有着统计学家特有的深刻思想和丰富实践，对于机器学习的实践者，是难得的明师。
因此我们抓住吴教授在京的宝贵时间，对他进行了一次专访，请他结合亲身实践经验，谈谈机器学习与统计学相互结合促进的问题。在访谈中吴教授介绍了大量的案例，清晰简明地阐述了他对于机器学习和统计学一些重大问题的看法，是我们学习数据科学、机器学习和人工智能一份难得的参考。
*以下是访谈的部分内容。
做数据就要各领域交叉
AI科技大本营：现在大家都关心人工智能，但我们AI科技大本营内部在讨论的时候就发现，人工智能的白巅疯北京有哪些白癜风医院
转载请注明：http://www.baoshijiec.com/ylls/72.html
