9月21日至23日，澳大利亚麦考瑞大学商学院Abhay Kumar Singh教授在舜耕校区讲授《Statistical Learning》全英文课程，统计学博士生以及部分青年教师参加学习。
课程围绕统计学习与机器学习方法体系展开。Abhay教授在梳理监督学习与无监督学习基本框架的基础上，重点讲授线性回归、逻辑回归与K近邻等核心算法，系统讲解K折交叉验证、Bootstrap等数据划分与重采样方法，以及以ROC曲线、AUC为代表的模型评估指标体系；并结合金融数据场景，引入技术分析指标与股价方向预测案例，运用R语言完整演示从数据预处理、模型训练、参数调优到预测评估的建模全流程。课程立足国际学术前沿，将统计学习领域最新方法进展与金融实证场景深度融合，注重帮助学生建立理解数据背后规律的理论直觉，培养从统计视角分析复杂数据问题的能力。
课堂上，Abhay教授深入浅出、循循善诱，师生凝神聆听、踊跃提问，围绕模型选择、参数调优等问题与教授展开深入交流，现场学术氛围热烈。大家纷纷表示，全英文授课不仅加深了对统计学习理论与方法的理解，也提升了学术英语表达能力和阅读国际文献、参与国际学术对话的信心。
本次课程是学院推进研究生教育国际化、深化统计学科与数据科学交叉融合的重要举措，对拓宽师生国际学术视野、夯实高层次统计人才培养的方法论基础具有积极意义。
主讲人介绍：
Abhay Kumar Singh，麦考瑞大学商学院教授、应用金融系主任，兼任企业可持续与环境金融研究中心主任及自然向好金融与商业研究中心创始主任。长期从事金融分析、统计学习与数据科学领域的教学与科研工作。主要研究方向包括金融风险建模、信用风险分析、波动溢出效应、机器学习在金融市场中的应用等，与国际知名学者David E. Allen、Michael McAleer、Robert J. Powell等合作发表100余篇论文，涉及量化回归下的企业违约风险比较、全球金融危机非参数变点分析、澳大利亚主要贸易伙伴波动溢出等课题。在麦考瑞大学讲授金融分析与数据科学等研究生课程，注重统计方法与金融实务的交叉融合。
（撰稿：于渊 编辑：彭增博 审核：郭洪峰 终审：田金方）
