尤金·平斯基

计算机科学实践系副教授软件开发协调员

尤金·平斯基博士在哥伦比亚大学获得博士学位后，于1986年加入波士顿大学。1993年，他离开波士顿大学，并在多个交易和投资公司（包括Bright trading， F-Squared Investments和Harvard Management Company）获得了丰富的行业经验，设计计算方法来分析和监控市场风险。他还将自己在数据挖掘、预测分析和机器学习方面的专业知识应用于Tremor video的视频广告。Pinsky博士的专业领域包括模式识别、聚类、回归、预测、因素模型、支持向量机和其他机器学习算法和数据分析方法；大时间序列数据的多维统计数据分析数据挖掘和预测分析，揭示模式、相关性和趋势；算法交易、定价模型、金融建模、风险和投资组合分析；Python， R, C/ c++， VBA, Weka， MATLAB, MySQL；大数据技术和可视化（Hadoop/Hive， AWS, Tableau）；定量分析软件工具的设计与实现；以及专业课程和课程开发。

澳门威尼斯人注册网站研究兴趣

课程

学术作品

近期澳门威尼斯人注册网站研究报告

Kandaswamy， P., Pinsky， E.，《基于机器学习的量刑数据分析和可视化方法》准备2023年。

Wang， Y.和Pinsky， E.“三角形分布的偏差度量”。提交给International Journal of Data Science and Management。

Ma， M，和Pinsky， E.，《基于收入水平使用机器学习识别选择电动汽车的主要特征》。提交给数据科学与管理杂志。

Goldberg， S., Salnikov， L., Kaiser， N., Shrivastava， T.和Pinsky， E.，《基于错误机器学习决策纠正用户决策》。未来信息通信会议（FICC）论文集，柏林，德国，2024年4月。

Park， K, Pinsky， E., Kaiser， N., Subramani， A.，和Ying， Y.，《数据分析在理解危机时期和危机之间的并购模式和CEO特征中的应用》。第二届EAI计算机科学与计算机科学教育（CSECS）年度会议，波士顿，马萨诸塞州。， 2023年6月。

Klawansky， S., Balswick， B., Charvachidze， I., Manghwani， A., Dalvi， D., Vora， Y.和Pinsky， E.《分析经验数据集的一些可选概率密度度量》。第二届EAI计算机科学与计算机科学教育（CSECS）年度会议，波士顿，马萨诸塞州。， 2023年6月。

Pattnaik， S., Pinsky， E.，《计算广告中基于alpha的相似性度量：受众扩展的新方法》。第二届EAI计算机科学与计算机科学教育（CSECS）年度会议，波士顿，马萨诸塞州。， 2023年6月。

Elakoum， F, Kuma， Y., Gill， E., Adiraju， S., Das， S., Kiran， K.和Pinsky， E.，“澳门威尼斯人注册网站研究”前额：基于ml的Cardan的mettoposcopy分析。第二届EAI计算机科学与计算机科学教育（CSECS）年度会议，波士顿，马萨诸塞州。， 2023年6月。

Salnikov， S., Goldberg， S., Rijhwani， H., Shi， Y., Pinsky， E.，“RNA-Seq数据分析显示个体发育如何定义衰老。”老化的前沿，洞察老化的分子机制卷4（2023）。doi: 10.3389 / fragi.2023.1143334

Rizinski， M., Jankov， A., Sankaradas， V., Pinsky， E., Miskovski， I.和Trajanov， D.(2023)，“使用零射击学习的公司分类。arXiv预印本。v1 arXiv: 2305.01028

Dubey， S., Tiwari， G., Singh， S., Goldberg， S.和Pinsky， E.《使用机器学习进行医疗保健治疗计划》。人工智能前沿第6卷（2023年4月）。doi: 10.3389 / frai.2023.1124182

Pinsky， E.和Klawansky， S. < MAD（澳门威尼斯人注册中位数）vs.基于分位数的经典标准差、偏度和峰度的替代方法>。应用数学与统计前沿vol. 9（2023）。doi: 10.3389 / fams.2023.1206537

Yust， J., Lee， J.和Pinsky， E.，“基于聚类的自动和声分析方法：莫扎特钢琴奏鸣曲和声与曲式的探索性澳门威尼斯人注册网站研究”。国际音乐信息检索学会学报，第5期。1(2022): 113-128。doi: 10.5334 / tismir.114

Vasiukevich， A.和Pinsky， E.，“使用稳定分布构建投资组合：标准普尔500指数行业交易所交易基金的案例”。机器学习与应用10，article 100434（2022）。doi: 10.1016 / j.mlwa.2022.100434

Pinsky， E., Salnikov， L., Sukumaran， P., Goldberg， S.“DNA甲基化荟萃分析证实了基因组分为两个功能组。”细胞科学与治疗杂志，第13期。3(2022): 1-6。2157 - 7013.22.13.352 doi: 10.35248 /

Pinsky， E.和Yang， yh .“一个简单的行业etf轮换策略”。股票和商品技术分析（2022年12月）：36-40。

Pinsky E. <从历史角度教授数据科学：开普勒的行星运动定律和广义线性模型> 《计算机科学与教育学报》第16期。1(2020): 72-77。

《集成机器学习和集成投资组合分析的数学基础》2018年9月4日。https://ssrn.com/abstract=3243974

Pinsky， E.和R. Sunitsky。外汇限价单微观结构分析的一些结果白皮书，贸易交叉连接，2010年3月。

Pinsky， E.和R. Sunitsky。高频交易和市场无效率：一个统计物理学观点。白皮书，贸易交叉连接，2009年10月。

期刊论文

康威，A.， E. Pinsky，和S. Tridandapani。多设施阻塞模型分析的高效分解方法美国计算机学会学报，第41期。4(1994): 648-675。

平斯基，E. P.斯特普。突发通信量下异步多速率横杆的性能分析《计算机通信评论》第22期。4（1992年10月）：150-160。

Pinsky， E.， A. Conway和W. Liu。“Engset模型的阻塞公式”。IEEE通讯学报，42,no。6(1994): 2213-2214。

E.平斯基和A.康威。具有状态依赖到达的多设施阻塞模型的均值分析。业绩评价杂志，第24卷（1996）：303-309。

Erlang损失函数的简单近似。绩效评估学报，第15期。3（1992年9月）：155-161。

E.平斯基和A.康威。电路交换网络中阻塞概率的计算算法。运筹学年鉴，第35期。1（1992年2月）：31-41。

E.平斯基和A.康威。状态相关多设施阻塞模型中阻塞概率的精确计算。IFIP wg7.3分布式系统和集成通信网络性能国际会议论文集。北荷兰出版公司，阿姆斯特丹，荷兰（1992）：383-392。

Pinsky， E.和Y. Yemini。一些分组无线电系统的渐近分析。IEEE Journal on Selected Areas in Communications，第4期。6（1986年9月）：938-946。

书的章节

Pinsky， E., Khan， R., Schena， P.和Park， K.，《分析NHL守门员表现的聚类方法》。《计算机科学与计算机科学教育》，T. Zlateva和R. Goleva主编（瑞士：施普林格，2022）：3-10。doi: 10.1007 / 978 - 3 - 031 - 17292 - 2 _1

Pinsky， E., Goldberg， S., Sukumaran， P., and Salnikov， L.，《个体发生过程中内内化基因和特化基因的甲基化水平差异》《生物学前沿澳门威尼斯人注册网站研究》，A. Hanif主编（B P International, 2022）。doi: 10.9734 / bpi cerb / v2

Pinsky， E.和Goldberg， S.《在机器学习系统中构建人机对话的元代理》。《信息与通信进展》，新井k编（瑞士：bbb， 2022）： 474-487。doi: 10.1007 / 978 - 3 - 030 - 98015 - 3 - _33

平斯基E.和A.康威。状态相关多设施阻塞模型中阻塞概率的精确计算。在分布式系统和集成通信网络的性能评估中，由T.长谷川等人编辑（北荷兰出版公司，阿姆斯特丹，荷兰，1992）：383-393。

平斯基，E.和W.王。分配函数在面向收益的网络管理绩效分析中的应用《网络管理与控制》，A. Kerschenbaum等人编辑（全会出版社，纽约，1990）：339-349。

Pinsky， E.和Y. Yemini。性能分析中的规范近似。《计算机网络与性能评估》，T. Hasegawa主编（North-Holland Publishing Co.，阿姆斯特丹，荷兰，1986）：3.3.1-3.3.13。

Pinsky， E.， M. Sidi和Y. Yemini，“分组无线网络性能分析中的规范近似”。在分布式计算和通信的当前问题中，yyemini编辑（计算机科学出版社，1986）：140-162。

Pinsky， E.和Y. Yemini。“一些互联网络的统计力学”。在IFIP业绩的程序' 84，巴黎，法国（北荷兰出版公司，阿姆斯特丹，荷兰，1984年）：147-158。

会议/研讨会论文

A.康威和E.平斯基。波分复用（WDM）光波网络的随机建模与分析。IEEE Infocom ' 94论文集，多伦多，加拿大（1994年6月）：560-568。

Pinsky， E.和P. Stirpe。高速异步电路交换通信网络的性能分析。第四届IEEE通信网络和链路计算机辅助设计、分析和建模研讨会论文集，魁北克，加拿大（1992年9月）。

A.康威和E.平斯基。一种电路交换网络精确分析的分解算法。IEEE Infocom ' 92论文集，佛罗伦萨，意大利（1992年5月）：996-1003。

Pinsky， E.和P. Stirpe。异步NxN交叉排交换机中热点的建模与分析1991年并行处理年度会议论文集，宾夕法尼亚州立大学（1991）：I.546-I.549。

Pinsky， E.和P. Stirpe。异步多速率横杆网络的性能分析。《1991年国际通讯研讨会论文集》，台湾（1991）。

Pinsky， E.和P. Stirpe。异步非阻塞网络交换机的性能分析见《新加坡国际网络会议论文集》，新加坡（1991年9月）：7-12。

Hsu， M.， E. Pinsky, and W. Wang。数据库系统中的热点建模。第十届ACM SIGACT-SGMOD-SIGART数据库系统原理研讨会论文集扩展摘要，丹佛，科罗拉多州（1991）。

A.康威和E.平斯基。宽带网络共享策略的性能分析。第七届国际电信通信大会论文集，新泽西州莫里斯敦（1990年10月）：11.4.1-11.4.8。

何凯英，平斯基，王伟。“提高蜂窝通信系统的效率”《微型计算机工业、车辆和空间应用国际会议论文集》的扩展摘要，纽约（1990年）。

平斯基，E.和W.王。分布式系统中资源共享的收益导向性能分析扩展摘要，在并行和分布式计算和系统的ISMM国际会议记录，纽约（1990）。

宾尼，C.， E. Pinsky， P. Stirpe，和W. Wang。集成概述：大规模电路交换网络中以收益为导向的性能分析的软件工具。第三届IEEE国际计算机辅助建模、分析和通信链路和网络设计研讨会论文集，都灵，意大利（1990年9月）。

利特瓦克和平斯基。大型通信系统中某些性能度量的有效计算方法。在电信运筹学ORSA会议论文集，博卡拉顿，佛罗里达州（1990年3月）：8A.1-8A.3

何凯英，平斯基，王伟。蜂窝通信系统中若干信道接入方案的性能分析IEEE信息通信学报，旧金山，加利福尼亚（1990年6月）：603-610。

平斯基，E.和W.王。计算蜂窝移动通信系统的一些性能界限。载于1990年12月印度新德里国际计算机通信会议论文集：PAM 3.1 -.3.6。

宾尼，C.， E. Pinsky，和W. Wang。集成设计：电路交换网络性能分析的工具。SBT/IEEE国际电信研讨会论文集，巴西里约热内卢（1990年9月）：14.1.1-14.1.15。

应用统计物理进行大规模计算系统的性能分析。《ACM计算机科学会议论文集》的扩展摘要，华盛顿特区（1990）。

澳门威尼斯人注册网站的问答

你的专业领域是什么？我的澳门威尼斯人注册网站研究领域是性能分析、数据科学和机器学习。自从在哥伦比亚大学获得计算机科学博士学位后，我一直在学术界（波士顿大学、麻省理工学院）和工业界任教。近二十年来，我在数据科学和机器学习领域工作，开发应用程序，利用机器学习来解决现实生活中的实际问题，主要是在计算金融和计算广告方面。

数据科学和机器学习需要理解许多跨学科的概念。实践涉及挖掘大量数据和应用机器学习方法来设计新的算法来解决重要的实际问题。随着越来越多的任务自动化，机器学习在我们的生活中扮演着越来越重要的角色。因此，教授学生数据科学和机器学习的实用元素是很重要的。

你在MET教什么课程？你会带什么“现实生活”练习到课堂上？目前，我教授Python信息结构（MET CS 521）和一门新课程，Python数据科学（MET CS 677）。在我所有的课程中，我都试图展示许多简单的例子，并强调可视化。除了定期的家庭作业和考试，学生们还选择一个项目，并在上课的最后一天提交。

你如何看待课程的发展以跟上行业趋势？传统上，机器学习和数据科学课程通常局限于计算机科学和工程领域。这类课程侧重于计算机科学，并假设学生有高等数学和科学课程的背景。目前，越来越多的学生需要在现实生活中学习和使用数据科学和机器学习。因此，我们面临的挑战是开发应用驱动的课程，让不同背景的学生都能使用这些课程。

我非常有兴趣帮助开发这种使用数据挖掘和机器学习技术的应用驱动课程，特别是在计算金融和计算广告方面。以计算广告为例。随着越来越多的广告、商业和服务在网上进行，对这一领域技能的需求也在不断增加。在计算广告中，我们试图解决为给定目标找到最佳广告的问题。解决这个问题背后的科学是非常复杂的，需要不同领域的专业知识，如数据挖掘、推荐系统、优化和预测。随着数据科学和机器学习算法越来越多地应用于广告和营销，对这门科学的背后有一个基本的了解变得至关重要。

我坚信，这是一个巨大的机会，可以与我在MET的同事以及全校的其他教职员工合作，帮助开发新的和扩展现有的课程，以纳入数据挖掘和机器学习提供的机会。

你对新生有什么建议？

“数据科学和机器学习需要理解基于数学和统计学经典结果的许多跨学科概念。我鼓励学生们学习这些基础科学，寻找简单的、符合直觉解释的解决方案。作为数据科学家，你应该有一个开放的思想。消极的结果和积极的结果同样重要。”

查看所有配置文件