Xiwei Tang
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：个性化建模与子组分析、张量学习、点过程、成像分析、推荐系统、分布式数据学习以及迁移学习
- 博士毕业院校：伊利诺伊大学香槟分校
- 本科毕业院校：复旦大学
个人研究情况
Xiwei Tang 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，同时与 Texas AI Research Institute（TAIRI） 有关联。她的个人主页写明，在加入 UT Dallas 之前，她曾担任 University of Virginia 统计系副教授；更早之前，她于 University of Illinois Urbana-Champaign 获得统计学博士学位，导师是 Annie Qu，博士论文主题是多模态数据的个体化学习与整合。她的教育背景还包括 University of Virginia 统计学硕士，以及 复旦大学数学学士。
从研究定位看，Xiwei Tang 属于非常典型的 统计学 + 机器学习 + 多模态复杂数据分析 交叉型学者。她在个人主页中将自己的研究概括为 Statistics and Machine Learning，目标是为复杂、现代的真实世界数据分析开发创新方法；UT Dallas 官方资料则进一步把她的兴趣具体列为 大规模多模态与异质数据的统计机器学习、张量数据、电子健康记录、时空数据分析、推荐系统、联邦学习、小样本学习、不确定性量化和生成式 AI。
更具体地说，她的研究可以概括成几条主线。第一条是 statistical machine learning for multimodal and heterogeneous data，也就是在多源、异构、复杂结构数据中做统计建模和机器学习；第二条是 individualized modeling and subgroup analysis，强调个体差异与子群体特征识别；第三条是 tensor learning、point process、imaging analysis、recommender systems 等更具体的方法方向；第四条是 distributed/federated learning、transfer learning、few-shot learning、uncertainty quantification、generative AI 这类当前 AI 与统计交叉的热点问题。整体上，她不是纯工程实现型 AI 教师，而是更偏 以统计学为底层方法论来支撑机器学习与复杂数据分析。
学术影响力
- 谷歌学术引用：暂无
- H指数：暂无