师资队伍

当前位置： 首页 师资队伍 师资一览 按职称 全部 助理教授 讲师 正文
王江洲

  • 教育程度：博士

  • 职称：助理教授

  • 电话：

  • 邮箱：wangjz695@szu.edu.cn

  • 地址：汇星楼440

教程程度 博士 职称 助理教授
电话 邮箱 wangjz695@szu.edu.cn
地址 汇星楼440 教育经历 <p>
<div style="margin: 0.6em 0;">
  🏫 2014.09–2021.01，东北师范大学，博士（专业：机器学习与生物信息学）；导师：郭建华教授。
</div>

<div style="margin: 0.6em 0;">
  🏫 2010.08–2014.06，东北大学，本科（专业：信息与计算科学）。
</div>

<div style="margin: 0.6em 0;">
  🏫 2011.08–2012.06，吉林大学，信息与计算科学系交换学习1年。
</div>
</p>
工作经历 <p>
<div style="margin: 0.6em 0;">
  🧑‍🏫 2023.03–至今，深圳大学数学科学学院，统计与数据科学系助理教授
</div>

<div style="margin: 0.6em 0;">
  📈 2021.03–2023.03，南方科技大学博士后（合作导师：荆炳义教授、邵启满教授）
</div>
</p>		 研究领域 <p>
<div style="margin: 0.6em 0;">
  🕸️ 网络数据的统计建模和推断
</div>

<div style="margin: 0.6em 0;">
  🧬 大规模相依数据的多重检验
</div>
</p>
获得荣誉 <p>
<div style="margin: 0.6em 0;">
  🏅 深圳市“鹏城孔雀计划”特聘岗位C岗
</div>

<div style="margin: 0.6em 0;">
  🏅 南方科技大学校长卓越博士后
</div>
</p>		 教学课程 <p>
<div style="margin: 0.6em 0;">
  <span style="color: steelblue; font-weight: bold;">🔹 研究生课程：</span>
  <span style="color: black;">《现代统计学》</span>
</div>

<div style="margin: 0.6em 0;">
  <span style="color: steelblue; font-weight: bold;">🔹 本科生课程：</span>
  <span style="color: black;">《高等数学A(1)》、《高等数学A(2)》、《贝叶斯数据分析》、《多元统计分析》</span>
</div>
</p>
科研成果 <p>
<span style="color: steelblue; font-weight: bold;">📚 Accepted/Published papers：</span>

<div style="margin: 0.6em 0;">
[9] <strong>Jiangzhou Wang</strong>, Meier Wu, Yang Liu, Binghui Liu and Jianhua Guo. (2025). Joint community detection in random effects stochastic block models via the split-likelihood method, <em>Journal of Computational and Graphical Statistics</em>, 1-57.
</div>

<div style="margin: 0.6em 0;">
[8] <strong>Jiangzhou Wang</strong>, Binghui Liu, Jianhua Guo and Bing-yi Jing. (2025). Understanding asymptotic consistency and its unique advantages in large sample statistical inference, <em>Journal of Multivariate Analysis</em>, 1-17.
</div>

<div style="margin: 0.6em 0;">
[7] Peng Luo, <strong>Jiangzhou Wang</strong>, Yilong Wu and Wei Zhang. (2025). Inference of treatment benefit rate and treatment harm rate with missing endpoint and covariate. <em>Statistics and Its Interface</em>, 1-27. (alphabetical order).
</div>

<div style="margin: 0.6em 0;">
[6] Canhui Li, <strong>Jiangzhou Wang</strong> and Pengfei Wang. (2024). Large-scale dependent multiple testing via higher-order hidden Markov models. <em>Journal of Biopharmaceutical Statistics</em>, 1-13. (alphabetical order).
</div>

<div style="margin: 0.6em 0;">
[5] <strong>Jiangzhou Wang</strong>, Pengfei Wang. (2024). Large‑scale dependent multiple testing via hidden semi‑Markov models, <em>Computational Statistics</em>, 39, 1093–1126.
</div>

<div style="margin: 0.6em 0;">
[4] <strong>Jiangzhou Wang</strong>, Pengfei Wang, Tingting Cui and Wensheng Zhu. (2023). Covariate-modulated large-scale multiple testing under dependence, <em>Computational Statistics and Data Analysis</em>, 180, 107664.
</div>

<div style="margin: 0.6em 0;">
[3] <strong>Jiangzhou Wang</strong>, Jingfei Zhang, Binghui Liu, Ji Zhu and Jianhua Guo. (2023). Fast network community detection with profile-pseudo likelihood methods, <em>Journal of the American Statistical Association</em>, 118(542), 1359–1372.
</div>

<div style="margin: 0.6em 0;">
[2] <strong>Jiangzhou Wang</strong>, Binghui Liu and Jianhua Guo. (2021). Efficient split likelihood-based method for community detection of large-scale networks, <em>Stat</em>, 10(1), e349.
</div>

<div style="margin: 0.6em 0;">
[1] <strong>Jiangzhou Wang</strong>, Jianhua Guo and Binghui Liu. (2021). A fast algorithm for integrative community detection of multi-layer networks, <em>Stat</em>, 10(1), e348.
</div>

<br>
<span style="color: steelblue; font-weight: bold;">📝 Submitted papers:</span>

<div style="margin: 0.6em 0;">
[1] Bing-yi Jing, Ting Li, <strong>Jiangzhou Wang</strong> and Ya Wang. Two-way node popularity model for directed and bipartite networks. <em>Journal of Machine Learning Research</em>. R&R, (alphabetical order).
</div>
</p>		 科研项目 <p>
<span style="color: steelblue; font-weight: bold;">📌 主持项目（共6项）：</span>

<div style="margin: 0.6em 0;">
[6] 2025年深圳市新引进高精尖缺人才科研（鹏城孔雀C）启动项目，2025.01-2027.12，200万。
</div>

<div style="margin: 0.6em 0;">
[5] 国家自然科学基金青年项目，2023.01-2026.12，30万。
</div>

<div style="margin: 0.6em 0;">
[4] 广东省自然科学基金面上项目，2023.01-2026.12，15万。
</div>

<div style="margin: 0.6em 0;">
[3] 深圳大学青年教师科研启动项目，2023.03-2026.03，20万。
</div>

<div style="margin: 0.6em 0;">
[2] 中国博士后科学基金第15批特别资助（站中），2022.07-2023.03，18万。
</div>

<div style="margin: 0.6em 0;">
[1] 中国博士后科学基金第70批面上资助二等，2021.11-2023.03，8万。
</div>

<br>
<span style="color: steelblue; font-weight: bold;">🛠️ 参与项目（共2项）：</span>

<div style="margin: 0.6em 0;">
[2] 国家自然科学基金重点项目，2017.01-2021.12，236万，基于结构的网络数据统计分析。
</div>

<div style="margin: 0.6em 0;">
[1] 国家自然科学基金重大研究计划，2019.01-2019.12，20万，大数据驱动的管理与决策研究专家组战略研讨与交流。
</div>
</p>

个人简介

王江洲，深圳大学数学科学学院，统计与数据科学系助理教授

      东北师范大学统计学博士，导师：郭建华教授；南方科技大学博士后，合作导师：荆炳义教授、邵启满教授。主要研究方向：大规模网络数据的统计分析、大规模相依数据的多重检验、机器学习和深度学习等与统计学的交叉。目前在统计学领域期刊发表SCI论文十余篇，其中包括：JASA、JCGS、JMVA、CSDA、Computational Statistics 和 Stat等国际期刊。主持科研项目：国家自然科学基金青年项目1项、广东省自然科学基金面上项目1项、中国博士后科学基金面上项目和特别资助（站中）项目各1项、深圳大学青年教师科研启动项目1项和深圳市高精尖科研启动项目1项。入选深圳市“鹏城孔雀计划”特聘岗位C岗。曾多次受邀在ICSA等国际会议上做报告，并担任JMLR, AOAS, Sinica, CSDA和SII等期刊的审稿人。

🏠 个人主页：https://jiangzhou-wang.github.io           

🎓 Google Scholar: https://scholar.google.com/citations?user=YV57gNcAAAAJ&hl=en

目前感兴趣的研究课题：

  • 1. 复杂网络数据的统计建模与推断

  • 2. 大规模相依数据的多重检验

  • 3. 人工智能技术与统计学交叉 （新），包括：机器学习、深度学习、强化学习、大语言模型、图神经网络、多模态模型等与统计学的交叉


招收研究生（学硕/专硕均）要求：

  • 1. 扎实的数学与统计学基础

  • 2. 熟练使用 R、Python 或 Matlab

  • 3. 强执行力，积极主动

  • 4. 良好的英文文献阅读与写作能力

  • 5. 善于内化与理解所学内容

  • 6. 感兴趣且想要加入我们课题组的同学，可提前通过邮件📧联系（附简历、成绩单、科研或是竞赛经历）

注：每位研究生配备科研所需的笔记本电脑，提供学习深度学习和大语言模型（LLM）技术所需的GPU计算服务器，提供大规模

       统计学数据分析所需的CPU服务器（256核）。


招收博士后（1名）要求：

  • 1. 统计学、机器学习或相关专业已毕业或是即将毕业的博士（35周岁以下，获得博士学位不超过3年）

  • 2. 在统计学或相关领域（以第一作者或通讯作者身份）发表过高水平SCI文章

  • 3. 熟练使用R、Python或Matlab编写相关程序

  • 4. 具备较强的英语写作能力，具有较强的科研能力，能独立完成科研流程

  • 5. 良好的团队意识，责任心强

  • 6. 执行力强，不畏难，不拖拉

注：1. 感兴趣的同学可电邮联系，邮箱📮：wangjz695@szu.edu.cn

       2. 博士后薪酬待遇：博士后综合年薪33万元以上，所提供福利保障包括但不限于医疗服务、年度体检和就餐补贴等。符合条

           件的优秀博士后可以申请“荔新奖励计划”，学校另外提供奖励性薪资4.8万元/年。

       3. 出站具体要求可电邮详询


课题组已配备的计算资源：1台GPU计算服务器（含8张L40显卡）、1台CPU计算服务器（256核）


教育经历

  • 🏫 2014.09–2021.01，东北师范大学，博士（专业：机器学习与生物信息学）；导师：郭建华教授。
    🏫 2010.08–2014.06，东北大学，本科（专业：信息与计算科学）。
    🏫 2011.08–2012.06，吉林大学，信息与计算科学系交换学习1年。

工作经历

  • 🧑‍🏫 2023.03–至今，深圳大学数学科学学院，统计与数据科学系助理教授
    📈 2021.03–2023.03，南方科技大学博士后（合作导师：荆炳义教授、邵启满教授）

研究领域

  • 🕸️ 网络数据的统计建模和推断
    🧬 大规模相依数据的多重检验

获得荣誉

  • 🏅 深圳市“鹏城孔雀计划”特聘岗位C岗
    🏅 南方科技大学校长卓越博士后

教学课程

  • 🔹 研究生课程： 《现代统计学》
    🔹 本科生课程： 《高等数学A(1)》、《高等数学A(2)》、《贝叶斯数据分析》、《多元统计分析》

科研成果

  • 📚 Accepted/Published papers：

    [9] Jiangzhou Wang, Meier Wu, Yang Liu, Binghui Liu and Jianhua Guo. (2025). Joint community detection in random effects stochastic block models via the split-likelihood method, Journal of Computational and Graphical Statistics, 1-57.
    [8] Jiangzhou Wang, Binghui Liu, Jianhua Guo and Bing-yi Jing. (2025). Understanding asymptotic consistency and its unique advantages in large sample statistical inference, Journal of Multivariate Analysis, 1-17.
    [7] Peng Luo, Jiangzhou Wang, Yilong Wu and Wei Zhang. (2025). Inference of treatment benefit rate and treatment harm rate with missing endpoint and covariate. Statistics and Its Interface, 1-27. (alphabetical order).
    [6] Canhui Li, Jiangzhou Wang and Pengfei Wang. (2024). Large-scale dependent multiple testing via higher-order hidden Markov models. Journal of Biopharmaceutical Statistics, 1-13. (alphabetical order).
    [5] Jiangzhou Wang, Pengfei Wang. (2024). Large‑scale dependent multiple testing via hidden semi‑Markov models, Computational Statistics, 39, 1093–1126.
    [4] Jiangzhou Wang, Pengfei Wang, Tingting Cui and Wensheng Zhu. (2023). Covariate-modulated large-scale multiple testing under dependence, Computational Statistics and Data Analysis, 180, 107664.
    [3] Jiangzhou Wang, Jingfei Zhang, Binghui Liu, Ji Zhu and Jianhua Guo. (2023). Fast network community detection with profile-pseudo likelihood methods, Journal of the American Statistical Association, 118(542), 1359–1372.
    [2] Jiangzhou Wang, Binghui Liu and Jianhua Guo. (2021). Efficient split likelihood-based method for community detection of large-scale networks, Stat, 10(1), e349.
    [1] Jiangzhou Wang, Jianhua Guo and Binghui Liu. (2021). A fast algorithm for integrative community detection of multi-layer networks, Stat, 10(1), e348.

    📝 Submitted papers:
    [1] Bing-yi Jing, Ting Li, Jiangzhou Wang and Ya Wang. Two-way node popularity model for directed and bipartite networks. Journal of Machine Learning Research. R&R, (alphabetical order).

科研项目

  • 📌 主持项目（共6项）：

    [6] 2025年深圳市新引进高精尖缺人才科研（鹏城孔雀C）启动项目，2025.01-2027.12，200万。
    [5] 国家自然科学基金青年项目，2023.01-2026.12，30万。
    [4] 广东省自然科学基金面上项目，2023.01-2026.12，15万。
    [3] 深圳大学青年教师科研启动项目，2023.03-2026.03，20万。
    [2] 中国博士后科学基金第15批特别资助（站中），2022.07-2023.03，18万。
    [1] 中国博士后科学基金第70批面上资助二等，2021.11-2023.03，8万。

    🛠️ 参与项目（共2项）：
    [2] 国家自然科学基金重点项目，2017.01-2021.12，236万，基于结构的网络数据统计分析。
    [1] 国家自然科学基金重大研究计划，2019.01-2019.12，20万，大数据驱动的管理与决策研究专家组战略研讨与交流。

地址：中国广东省深圳市南山区粤海街道深圳大学汇文楼行政办公区三楼 邮编：518060

电话：0755-26534791

关注我们

Copyright © 深圳大学数学科学学院

您是第 位访问者