2021年5月 21日下午 3点，南方科技大学统计与数据科学系史建清教授应邀通过腾讯会议的方式为我校做了题为“Statistical Learning Methods on Wearable Devices and Precision Medicine”的专题报告。长春工业大学师生参加了报告会，数学与统计学院院长王纯杰教授主持了报告会。

报告摘要：可穿戴设备已经被越来越多地用于日常生活和健康医疗中，但对其海量数据的统计学习方法还处在初期阶段。可穿戴设备收集日常生活中的数据（即free-living数据）。相对于实验数据，free-living数据有以下特点（以AX6数据为例子）：（1）Free-living数据的随意性：受试者收集的数据是多段长短不同的，非标准的多维时间序列和函数型数据，我们要对此类非标准数据建立标准，和建立个体化的精准预测模型；（2）巨大的差异性（非齐性）：除了个体间的差异外，还有环境文化差异，以及同一个体日常生活的非规律性等；（3）数据结构异常复杂：例如原始数据可以是对应各类动作步态的过程变量（加速度或角速度），通常还包含较大的噪音信号，使得数据在不同时间和频率上都有非常不同的均值和方差结构；（4）海量数据：受试者佩戴可穿戴设备七天产生的原始数据总量超过5G，如何去除海量数据中的无用信息，保留建模所需的有效信息是待解决的问题。本讲座将会利用一些实际例子讨论如何解决这些问题的思路。

史建清简介：南方科技大学统计与数据科学系教授，曾任英国纽卡斯尔大学（Newcastle University）统计学教授，英国国家艾伦图灵研究院图灵研究员。主要研究方向包括函数型数据分析，生物医学统计，缺失数据分析等。在国际学术刊物上发表高水平学术论文多篇，包括统计顶级期刊 JRSSB, JASA, Biometrika和Biostatistics。曾任英国皇家统计协会《应用统计》副主编，Guest AE for JRSS discussion paper，英国纽卡斯尔大学云计算和大数据研究培训中心副主任。曾获邀任剑桥大学世界最顶级数学学院之一的牛顿学院访问研究员，获美国统计协会非参数统计分会年度最佳论文奖。

报告会中，史建清教授从老年精神系统退行性疾病讲起，继而讲述了各个阶段的步态研究。史教授生动向大家展示了AX6的设备并进行了介绍，表明了相对于实验数据，free-living数据有以下特点：（1）Free-living数据的随意性（2）巨大的非齐性（3）数据结构异常复杂（4）数据量很大。史建清教授通过3个实际例子生动形象地揭示了如何解决这些问题的思路。

报告会结束，大家似乎意犹未尽，对这种实验的方法和数据的处理产生了兴趣，老师和同学们向史教授虚心请教，并进行积极的交流，史教授都耐心解答，并给予自己的建议。最后，王纯杰教授再次向史建清教授的到来表示诚挚的感谢。

本次学术交流会拓展了同学们的学术视野，也激发了同学们的学习热情，更加努力学习研究新的领域与方法，并使老师和同学们对可穿戴设备的统计方法有了更深的理解，聆听报告的师生都表示受益匪浅。

数学与统计学院

2021年5月21日