Qiwei Li
更新-260416 | 发布-260416
基本信息
- 高校：德克萨斯大学达拉斯分校（The University of Texas at Dallas）（美国）
- 院系：School of Natural Sciences and Mathematics
- 职称：副教授
- 性别：男
- 研究领域：贝叶斯统计学/生物统计学/生物信息学机器学习
- 博士毕业院校：莱斯大学
- 本科毕业院校：清华大学；北京大学
个人研究情况
Qiwei Li 现任美国德克萨斯大学达拉斯分校（UT Dallas）数学科学系副教授，隶属于 School of Natural Sciences and Mathematics。她在个人主页上明确写道，自己是 Department of Mathematical Sciences 的统计学副教授，目前正在招收博士生和本科生加入研究组；UT Dallas 官方 profile 也给出了她的办公室 FO 2.602E、电话以及个人主页入口。
从学术路径看，她属于非常典型的 统计学 + AI/机器学习 + 空间数据分析 交叉型学者。UT Dallas 官方资料显示，她于 2016 年在 Rice University 获得统计学博士学位，此前在 Rice 获得统计学硕士；更早之前，她于 香港中文大学获得信息工程硕士（M.Phil.），并拥有 北京大学经济学学士 与 清华大学电子工程学士 两个本科背景。这个履历本身就很有特色，说明她兼具工程、数量分析和统计建模训练。
从研究定位看，Qiwei Li 的方向不是传统意义上的纯 AI 算法开发，也不是纯理论统计，而是更偏 以 Bayesian statistics 为核心，把人工智能和现代统计方法结合起来分析复杂高维数据、空间数据和形状数据。她的个人主页写得很清楚：她的研究重点是 bridging AI and Bayesian methodologies to analyze high-dimensional data, spatial data, and shape data。UT Dallas 官方 profile 也列出了她的研究标签，包括 high-dimensional data analysis、Machine Learning、Bayesian statistics、Spatial statistics、Shape analysis、Artificial Intelligence。
更具体地说，她的研究可以概括为几条主线。第一条是 贝叶斯统计与高维数据建模，也就是在复杂变量结构下进行稳健推断与预测；第二条是 空间统计（spatial statistics），这对地理信息、空间过程建模、时空模式识别等问题非常关键；第三条是 形状分析（shape analysis），通常会涉及医学图像、生物形态或复杂对象几何表示；第四条是 机器学习与 AI 方法在统计问题中的融合应用。从 UT Dallas 官方 publications 页能看到，她近年的工作大量延伸到 空间转录组学、单细胞组学、医学健康数据 等场景，例如空间表达模式发现、成像数据预测 omics profile、图卷积网络支持的空间重建、电子病历相关健康诊断等，说明她是一位非常重视方法落地的统计学者。
从导师画像上看，Qiwei Li 更适合以下几类学生。第一类是想做 统计学、贝叶斯建模、高维数据分析 的；第二类是对 空间数据、时空统计、GIS 相关建模、空间机器学习 感兴趣的；第三类是希望将统计方法与 AI/机器学习 结合，用于生物医学、健康数据、复杂空间数据分析的人。相对来说，如果目标是纯 NLP、纯计算机视觉、纯大模型工程，她就不是最直接的匹配对象；但如果你想找的是 AI + 统计 + 空间分析 这条线，她反而是 UT Dallas 里相当值得重点关注的一位老师。
再补两个对申请很有用的细节。她的个人主页公开写明：正在招收有兴趣的博士生和本科生，并直接给出联系邮箱 qiwei.li@utdallas.edu ，说明她是可以公开联系、也愿意带学生的。另一方面，她的研究主题里有很强的 空间统计和高维建模 色彩，这一点和很多普通的统计系老师相比更贴近当下 AI 与数据科学的交叉趋势。
学术影响力
- 谷歌学术引用：1337
- H指数：28
整体评价
B