教材：Roman Vershynin, High-Dimensional Probability: An Introduction with Applications in Data Science. 从https://www.math.uci.edu/~rvershyn/可以下载到最新电子版
课程背景和基本内容
近年来，数据科学中的模型和算法在应用中取得了巨大的发展，同时也带来了新的基础理论问题。而描述和解决这部分理论问题所需要的概率统计知识在以往的概率统计课程中是很少涉及的，因为所关心的是对于有限维(高维)随机向量/矩阵等更精确的概率估计，而这些估计并不一定和概率统计中的极限定理相关联。这门课主要是提供这方面的知识，但基本不需要测度论和高等概率论的知识。
课程内容包括：独立随机变量和的集中不等式, 高维随机向量不等式，随机矩阵不等式，经验随机过程，Chaining, 统计学习理论，深度学习理论选题。
参考书：
1. Ramon van Handel, Probability in High Dimension. https://web.math.princeton.edu/~rvan/APC550.pdf
2. Martin Wainwright，High-Dimensional Statistics，Cambridge University Press. 2019
3. Michel Ledoux，The Concentration of Measure Phenomenon，American Mathematical Society，2001
成绩评定方法：由主讲老师定，建议作业40％，期中30％，期末30％.
