张慧铭，北京航空航天大学人工智能研究院的副教授(准聘)，硕士生导师（非博导）。北京大学获得统计学博士(2016-2020)；澳门大学濠江学者博士后研究员(2020-2022)。 研究方向：非渐近推断、高维概率统计、稳健估计、机器学习与深度学习理论、子抽样算法、函数型数据、无穷可分分布、精算数学等。

发表SCI论文21篇(包括机器学习与人工智能领域顶刊JMLR;统计顶刊JASA,Biometrika;精算顶刊IME; 统计、数学、与物理主流刊Statistica Sinica, Journal of Complexity,和Physica Scripta等；谷歌学术引用超610次，见scholar.google.com/citations?user=P6Xdk6AAAAAJ)，其中三篇(曾)为Web of Science高被引论文。曾获博\硕士研究生国家奖学金两次、北大校长奖学金、2015年度中国平安励志计划保险学术论文奖(唯一一个获得特别学术奖)、湖北省优秀学士论文等奖励等。第一作者的译著《初等概率论:随机过程与金融数学导论(第4版)》(钟开莱原著)即将在世界图书出版社出版。

主持国自科青基一项；担任美国《数学评论》评论员，数学SCI期刊Mathematics(Q1,中科院三区, IF=2.592)的专题顾问委员会成员以及该期刊的"高维与非渐近统计专栏"客座主编(见mdpi.com/si/120128)；担任过统计、概率与机器学习顶刊（AOS,AOAP,JASA,JMLR,IEEET-SP）的审稿人。 Erdos数=4，数学谱系计划www.mathgenealogy.org/id.php?id=265245

主要学术贡献：

I. 部分解决伪离散无穷可分分布的刻画 (发表于IME), 被著名概率学者K. Sato教授在数学顶刊Tran AMS的论文正面引用。

II. 与陈松蹊院士合作的集中不等式综述“Concentration Inequalities for Statistical Inference. Communications in Mathematical Research, 2021, 37(1):1-85.”在非渐近统计推断\小样本学习领域受到同行关注。

III. 在数据（输入和输出变量）的方差不存在情况下，首次给出了一般回归模型（机器学习ERM问题）参数的对数截断稳健估计及其Excess Risk的非渐近理论 (发表于JMLR)。应用包括：稳健广义线性模型, 稳健分位数回归、以及稳健稀疏深度神经网络回归等。

IV. 提出了一种的新的统计分布：Conway–Maxwell–Poisson负二项分布(Zhang et al., 2018,FMC)，该分布被剑桥大学出版社的国际数理统计学会(Institute of Mathematical Statistics)系列专著《The Conway–Maxwell–Poisson Distribution》引用，作者Kimberly F. Sellers是美国乔治敦大学教授。该专著第三章大篇幅介绍了(Zhang et al., 2018,FMC)中的定义、性质、刻画、估计方法(见3.4.2节，3.5节和3.7.1节www.cambridge.org/core/books/abs/conwaymaxwellpoisson-distribution/distributional-extensions-and-generalities/0D84799E011346203B0C0269200DE9D6)