1999 -- 2003，理学学士，理论与应用力学， 北京大学
2004 -- 2009，理学博士，概率论与数理统计，北京大学
2009 -- 2011， 博士后， 生物统计， 宾夕法尼亚大学
2012--今，副教授, 中国人民大学统计学院；
2011--2012, 讲师，中国人民大学统计学院；
2009--2011, 博士后研究员, 生物统计系, 美国宾夕法尼亚大学(University of Pennsylvania)；
2004--2009，助研（助教）, 概率统计系, 北京大学数学科学学院；
2002--2003，本科生研究员, 理论生物学中心、湍流与复杂系统国家重点实验室, 北京大学。
Statistics in Biosciences, Associate Editor, 2021-
中国现场统计研究会，监事，2017 - 2021。
中国现场统计研究会计算统计分会，副理事长，2017- 2021。
中国现场统计研究会数据科学与人工智能分会，副理事长，2019 - 2023。
中国现场统计研究会高维数据统计分会，理事，2015-。
中国人工智能学会 不确定性人工智能专委会：委员，2014-。
国际生物统计学会中国分会（IBS-China）， 副秘书长， 2013-2017 ， 2017-2021。
国际数理统计学会（IMS）， 成员， 2010-。
北京生物医学统计与数据管理研究会, 监事长， 2015-2019。
中国科学技术出版社(暨科学普及出版社)科技/科普专家，2016-2019。
主持：
高维数据的图模型学习与统计推断（No.11201479），国家自然科学基金青年科学基金项目，2013-2015.
高维数据模型选择与假设检验若干问题研究（No. 20120004120007）, 教育部高等学校博士学科点专项科研基金(新教师), 2013-2015.
食品安全与健康体检数据关联技术研究，国家食品安全风险评估中心项目，2016-2017。 概率方法在剂量反应关系外推中的应用，国家食品安全风险评估中心项目，2020-2021。
文本数据的结构化与统计推断研究，中国人民大学科学研究基金项目，2019-2021。
面向数据科学的统计学科知识体系图谱建设,中国人民大学校级教学改革重点项目, 2018--2019。
疾病模型和健康效应参数评估模型构建，国家食品安全风险评估中心项目，2021-2022。
骨关节炎早期诊断、风险因素筛查、预警模型建立及阶梯精准治疗（课题），国家重点研发计划“主动健康与老龄化科技应对”专项之“老年骨骼系统退行性病变的防控技术研究”项目。2020-2023。
参与：
临床试验中的创新设计与统计方法(No.11371366)，国家自然科学基金面上项目，2014-2017.
第七届高等学校科学研究（人文社会科学）优秀成果奖，论文奖三等奖，2015。
中国人民大学 新工科研究与实践优秀成果奖 二等奖 （成果名称：“用大数据打造大数据专业的知识网络”），2020年。
概率论（本科生）、机器学习（本科生）、高等统计学（研究生）、大数据挖掘与机器学习（研究生）、机器学习选讲。
图模型、机器学习、高维数据分析、生物统计、大数据挖掘。
李智凡，尹建鑫*(2023+). 类别不平衡高维数据的最优逻辑斯蒂回归，《系统科学与数学》，在线发表.
褚挺进，华雨臻，丁一鸣，尹建鑫* (2023+). 高维地理空间回归模型的惩罚似然估计与模型选择, 《数理统计与管理》, 已接收.
Lai, J. and Yin, J*. (2023). Learning conditional dependence graph for concepts via matrix normal graphical model, Statistics and Its Interface， Accepted.
尹建鑫，王晓军(2023). 统计与数据科学知识图谱构建与创新人才培养，《中国人民大学教育学刊》，2023 (02): 69-79.
Zhang, H., Hu, F. and Yin, J.*(2022). Covariate-adaptive randomization with variable selection in high dimensional data, STAT, https://doi.org/10.1002/sta4.461.
廖军，文丽，尹建鑫(2021). 高阶空间自回归模型的选择与平均估计，《系统科学与数学》，2021，41(5)：1400-1417.
Yang Y., Wang, W., Lou, Y., Yin, J. and Gong, X.(2018). Geometric and amino acid type determinants for protein-protein interaction interfaces, Quantitative Biology, https://doi.org/10.1007/s40484-018-0138-5.
Wang W., Yang Y., Yin J. * and Gong X. * (2017). Different protein-protein interface patterns predicted by different machine learning methods. Scientific Reports, 7:16023,DOI:10.1038/s41598-017-16397-z.
尹建鑫*，王天颖，王伟（2017). 稀疏稳健条件图模型的结构学习和参数估计，《中国科技论文》，第12卷，第17期，pp1921-1929。
杜子芳，林一楠，尹建鑫*，郑冰（2017). 基于随机加权的空间聚集性检验及其在基础教育师资均衡性评价中的应用，《数学的实践与认识》第47卷，第11期, pp50-65。
X. Li and J. Yin (2016). Sparse Sufficient Dimension Reduction for Markov Blanket Discovery, Communications in Statistics-Simulation and Computation, 45: 1355-1364, 2016. (DOI: 10.1080/03610918.2013.816560)
Liu Z Q, Yin J X and Hu F F*. (2015). Covariate-adaptive designs with missing covariates in clinical trials, Science China Mathematics, Vol.58, Issue 6, 1191-1202.
S. He, J. Yin*, H. Li and X. Wang (2014). Graphical Model Selection and Estimation for High Dimensional Tensor Data，Journal of Multivariate Analysis, 128,165-185.
J. Yin and H. Li (2013). Adjusting for High-dimensional Covariates in Sparse Precision Matrix Estimation by L1-Penalization, Journal of Multivariate Analysis, 116, 365-381.
J. Yin and H. Li (2012). Model Selection and Estimation in Matrix Normal Graphical Model, Journal of Multivariate Analysis, 107, 119-140.
J. Yin and H. Li (2011). A Sparse Conditional Gaussian Graphical Model for Analysis of Genetical Genomics Data, Annals of Applied Statistics, Vol. 5, No. 4, 2630-2650.
J. Yin, Z. Geng, R. Li and H. Wang(2010). Nonparametric Covariance Model, Statistica Sinica, 20, 469-479.
J.Yin, Y. Zhou, C. Wang,P. He, C. Zheng and Z. Geng(2008). Partial orientation and local structure learning of causal networks for prediction, Journal of Machine Learning Research: Workshop and Conference Proceedings 3: 93-105. (prize-winning paper)
Y. Zhou, C. Wang, J. Yin and Z. Geng(2010). Discover Local Causal Network around a Target to a Given Depth, Journal of Machine Learning Research: Workshop and Conference Proceedings 6: 191-202.
佘振苏,杨铸,欧阳正清, 朱怀球,王超，尹建鑫(2003). SARS冠状病毒的起源和进化初探,北京大学学报（自然科学版）, Vol. 39, No. 6: 809-814.