Yuansi Chen 于 2019 年在加州大学伯克利分校统计系获得博士学位。其博士生导师是著名华裔统计学家、UC 伯克利统计系和电子工程与计算机科学系终身教授郁彬。在攻读博士之前,他还在法国 Ecole Polytechnique 获得了应用数学专业的工程师文凭。随后,前往在苏黎世联邦理工学院 ETH Foundations of Data Science(ETH-FDS)做博士后研究。
而启发 Yuansi Chen 数学灵感的,是两位计算机科学家,Yin Tat Lee 和 Santosh S. Vempala。
Yin Tat Lee,目前是华盛顿大学助理教授,本科毕业于香港中文大学。2012 年从港中文大学毕业后,前往麻省理工学院攻读博士学位,随后前往微软研究院做博士后研究。他的研究方向主要在算法方面,包括凸优化、凸几何、谱图理论和在线算法等广泛的课题。
以往的研究里,他曾结合连续数学和离散数学的思想,大幅提升了在计算机科学和优化中许多基本问题的算法,比如线性编程和最大流量问题。他曾获得 SODA 最佳论文奖、NeurIPS 2018 最佳论文奖、NSF 职业奖。去年他还获得了有“诺奖风向标”之称的斯隆奖,以及美国最大的非政府奖学金之一——帕卡德奖学金。
再来看 Santosh S. Vempala,佐治亚理工学院计算机科学教授。主要研究领域是理论计算机科学,包括抽样、学习、优化和数据分析的算法工具;随机线性代数,高维几何。他曾在卡内基梅隆大学攻读博士学位,本科毕业于印度理工学院的计算机专业,曾获 NSF 职业奖、斯隆奖等奖项。在来到佐治亚理工学院之前,他曾担任 MIT 应用数学系担任教授、UC 伯克利米勒研究员。