作者介绍

龚若彬（Ruobin Gong），哈佛大学统计学博士，现为罗格斯大学统计学副教授。她的研究领域主要包括贝叶斯统计、广义贝叶斯方法、不精确概率、以及有差分私密数据的统计推断与计算，以及现代数据科学的伦理影响等。她还是《哈佛数据科学评论》（Harvard Data Science Review）、《美国统计学会会刊》/《统计分析与数据科学》评论栏目（JASA/TAS Reviews）以及《统计学与公共政策》（Statistics and Public Policy）的期刊副主辑，并为国际数理统计学会（Institute of Mathematical Statistics，IMS）旗下《IMS通讯》（IMS Bulletin）的《鸣锣》（Sound the Gong）专栏撰写文章。

V. 约瑟夫·霍茨（V. Joseph Hotz），威斯康星大学麦迪逊分校经济学博士，现为芝加哥大学哈里斯公共政策学院的研究教授、杜克大学经济学与公共政策荣休特聘教授，同时也是美国国家经济研究局（NBER）的研究员，曾任教于加州大学洛杉矶分校和卡内基梅隆大学。他主要研究家庭经济学、劳动经济学、经济人口学、应用计量经济学及社会项目评估。他当选为世界计量经济学会（Econometric Society）会士、劳动经济学家学会（Society of Labor Economists）会士、国际应用计量经济学协会（International Association of Applied Econometrics）会士以及南方经济学会（Southern Economics Association）会士。

伊恩·M·施穆特（Ian M. Schmutte）是亚马逊“人员体验与技术”（People eXperience & Technology，PXT）部门的首席经济学家，此前曾任佐治亚大学特里商学院的经济学教授。他的研究主要涉及劳动经济学、应用计量经济学和数据隐私。他是全球劳动组织（Global Labor Organization，GLO）会士，同时担任劳动经济学研究所（Institute of Labor Economics，IZA）研究员。2017年至2023年间，曾在美国人口普查局企业数据发布与披露规避中心（Center for Enterprise Dissemination–Disclosure Avoidance）担任研究经济学家，开发适用于企业数据的实用型数据隐私模型。

主要作品

视频资料