吴建福

校长学勤讲座教授

教育背景

加州大学伯克利分校博士

国立台湾大学学士

研究领域
未确定性量化，数字孪生，计算机实验及线上实验（设计，建模，优化）
个人网站
https://myweb.cuhk.edu.cn/jeffwu
电子邮箱
jeffwu@cuhk.edu.cn
办公室
综合楼B612
个人简介

吴建福教授是香港中文大学（深圳）数据科学学院校长学勤讲座教授。

他于2004年当选为美国国家工程院院士，并于2000年当选为台湾“中央研究院”院士。他还是数理统计学会（1984年）、美国统计学会（1985年）、美国质量协会（2002年）以及运筹学与管理科学研究院（2009年）的会士。他曾获得1987年的COPSS (Committee of Presidents of Statistical Societies) Presidents' Award。该奖每年颁发给年龄在40岁以下的最佳研究者，由五个统计学会共同委托颁发。他的其他重要奖项包括2011年的COPSS Fisher Lecture、2012年的Deming Lecture、2008年的ASQ Shewhart Medal以及2008年的Pan Wenyuan Technology Award。2016年，他获得了（首届）Akaike Memorial Lecture Award。2017年，他获得了ENBIS颁发的George Box Medal。2020年，他分别获得了乔治亚理工学院1934年级杰出教授奖和Sigma Xi Monie A. Ferst Award。他还获得了许多其他奖项，包括Wilcoxon Prize、the Brumbaugh Award（两次）、the Jack Youden Prize（两次）以及the Honoree of the 2008 Quality and Productivity Research Conference。他曾担任过印度统计研究所的1998年P. C. Mahalanobis Memorial讲演者，并于中国科学院担任过爱因斯坦访问教授。他还是中国科学院和清华大学的名誉教授，于2008年获得了滑铁卢大学的数学荣誉博士学位。

他曾任职于密歇根大学统计学和工业与运营工程系的H. C. Carver统计学教授和教授（1993-2003年），以及滑铁卢大学的GM/NSERC质量与生产力讲座教授（1988-1993年）。在他1997年的Carver讲座演讲中，他创造了数据科学（Data Science）这一术语，并主张将统计学改名为数据科学，将统计学家称为数据科学家。在加入滑铁卢大学之前，他于1977年至1988年在威斯康星大学统计系任教。他于1971年在国立台湾大学获得数学学士学位，并于加州大学伯克利分校（1973-1976年）获得统计学博士学位。

他的研究成果在专业期刊和杂志中被广泛引用，包括《Canadian Business》关于他工作的专题文章以及《Newsweek》关于质量的特刊。他曾担任《Annals of Statistics》、《Journal of American Statistical Association》、《Technometrics》和《Statistica Sinica》等多个主要统计期刊的编辑或副编辑。吴教授在同行评审期刊上发表了超过185篇研究文章。他指导了52名博士生，其中过半现正在美国、加拿大、亚洲或欧洲的主要研究部门或机构从事统计、工程或商业领域的教学工作，有28人是ASA、IMS、ASQ、IAQ和IIE的Fellow，有3人担任《Technometrics》的编辑，有1人担任《JQT》的编辑，有1人为加拿大皇家学会院士。他与Mike Hamada合著了《Experiments: Planning, Analysis, and Optimization》（Wiley，第二版，2009年，716页），与R. Mukerjee合著了《A Modern Theory of Factorial Designs》（Springer，2006年）。

学术著作
  1. C. F. J. Wu (1983). On the convergence properties of the EM algorithm. Annals of Statistics, 11, 95-103.
  2. C. F. J. Wu and M. S. Hamada (2021). Experiments: Planning, Analysis, and Optimization. Third Edition. John Wiley (700 pages). (First Edition 2000, Second Edition 2009).
  3. C. F. J. Wu (1986). Jackknife, bootstrap and other resampling methods in regression analysis (with discussion). Annals of Statistics, 14, 1261-1350.
  4. J. N. K. Rao and C. F. J. Wu (1988). Resampling inference with complex survey data. Journal of the American Statistical Association, 83, 231-241.
  5. J. N. K. Rao, C. F. J. Wu and K. Yue (1992). Some recent work on resampling methods for complex surveys. Survey Methodology, 18, 209-217.
  6. C. F. J. Wu (1981). Asymptotic theory of nonlinear least squares estimation. Annals of Statistics, 9, 501-513.
  7. A. C. Shoemaker, K. L. Tsui and C. F. J. Wu (1991). Economical experimentation methods for robust design. Technometrics, 33, 415-427.
  8. M. Hamada and C. F. J. Wu (1992). Analysis of designed experiments with complex aliasing. Journal of Quality Technology, 24, 130-137.
  9. P. Z. G. Qian and C. F. J. Wu (2008). Bayesian hierarchical modeling for integrating low-accuracy and high-accuracy experiments. Technometrics, 50, 192-204.
  10. H. Xu and C. F. J. Wu (2001). Generalized minimum aberration for asymmetrical fractional factorial designs. Annals of Statistics, 29, 1066-1077.
  11. R. Mukerjee and C. F. J. Wu (2006). A Modern Theory of Factorial Designs (230 pages), Springer.
  12. C. F. J. Wu (1981). On the robustness and efficiency of some randomized designs. Annals of Statistics, 9, 1168-1177.
  13. C. F. J. Wu (1985). Efficient sequential designs with binary data. Journal of the American Statistical Association, 80, 974-984.
  14. J. Shao and C. F. J. Wu (1989). A general theory for jackknife variance estimation. Annals of Statistics, 17, 1176-1197.
  15. B. Tang and C. F. J. Wu (1996). Characterization of minimum aberration 2^n-k designs in terms of their complementary designs. Annals of Statistics, 24, 2549-2559.
  16. V. R. Joseph and C. F. J. Wu (2004). Failure amplification method: an information maximization approach to categorical response optimization (with discussions). Technometrics, 46, 1-31. (winner of the Jack Youden Prize).
  17. P. Z. G. Qian, H.Wu, and C. F. J. Wu (2008). Gaussian process models for computer experiments with qualitative and quantitative factors. Technometrics, 50, 383-396.
  18. P. Z. G. Qian and C. F. J. Wu (2009). Sliced space-filling designs. Biometrika, 96, 945-956.
  19. C. F. J.Wu and Y. Tian (2014). Three-phase optimal design of sensitivity experiments (with discussions). J. Statistical Planning and Inference, 149, 1-32.
  20. Rui Tuo, C. F. J. Wu and Dan Yu (2014). Surrogate modeling of computer experiments with different mesh densities. Technometrics, 56, 372-380.
  21. C. F. J. Wu (2015). Post-Fisherian experimentation: from physical to virtual. Journal of American Statistical Association, 110, 612-620. (based on the 2011 Fisher Lecture.)
  22. Rui Tuo and C. F. J. Wu (2015). Efficient calibration for imperfect computer models. Ann. Stat., 43, 2331-2352.
  23. Rui Tuo and C. F. J. Wu (2016). A theoretical framework for calibration in computer models: parametrization estimation and convergence properties. SIAM/ASA Journal on Uncertainty Quantification, 4, 767-795.
  24. Simon Mak, C. L. Sung, S. T. Yeh, X. Wang, Y. H. Chang, V. R. Joseph, V. Yang and C. F. J. Wu (2018). An efficient surrogate model for emulation and physics extraction of large eddy simulations. Journal of American Statistical Association, 113, 1443-1456.
  25. Simon Mak and C. F. J. Wu (2019). cmenet: a new method for bi-level variable selection of conditional main effects. Journal of American Statistical Association, 114, 844-856.
  26. Z. Chen, S. Mak and C. F. J. Wu (2024). A hierarchical expected improvement method for Bayesian optimization. Journal of American Statistical Association, 119(546), 1619-1632.

（仅部分列举）