2011-2015，北京大学光华管理学院，统计学，博士
2007-2011，中国人民大学统计学院，统计学（辅修金融学），学士
2023-至今 中国人民大学统计学院，教授
2018-2023 中国人民大学统计学院，副教授
2015-2018 中国人民大学统计学院，助理教授
2024-至今 北京大数据协会副会长
2024-至今 中国人民大学国家治理大数据和人工智能创新平台北京消费大数据监测子实验室主任
2023-至今 中国现场统计研究会教育统计与管理分会，常务理事
2022-至今 北京市“千人进千企”专项行动首批专家服务团产业特派员
2019-2023 北京大数据协会副秘书长，常务理事
2018-至今 全国工业统计学教学研究会中国青年统计学家协会，理事
---------国家级项目---------
国家自然科学基金面上项目，中小微企业数字化中的复杂网络模型算法及应用，2025-2028，主持
国家自然科学基金面上项目，稀疏网络数据的建模，计算及应用，2021-2024，主持
国家自然科学基金青年项目，社交网络中的空间自回归模型：理论与应用研究，2018-2020，主持
国家社会科学基金重大项目，稳增长目标下协同推动经济实现质的有效提升和量的合理增长的战略与路径研究，2025-2029，子课题负责人
国家重点研发计划“社会治理与智慧社会科技支撑”重点专项，金融数据合成与智能模型风险监测关键技术及应用，2024-2026，参与
中国工程院咨询研究项目，中国跨境支付监测体系战略研究，2018-2020，参与
---------省部级项目---------
北京市社会科学基金重点项目，大规模数据统计建模方法助力民营企业数字化转型研究，2024-2026，主持
全国统计科学研究项目重点项目，中小微企业数字化发展中的统计模型方法研究，2023-2025，主持
北京市社会科学基金青年项目，大数据驱动的互联网信用评价模型，2018-2020，主持（优秀结项）
全国统计科学研究项目一般项目，大规模网络数据的统计模型与应用研究，2021-2022，主持
北京市科协青年人才托举工程（2023-2025）
北京市优秀人才培养资助（2017-2020）
中国人民大学吴玉章青年学者（2023）
中国人民大学优秀科研成果一等奖（2023）
中国人民大学“杰出青年学者”（2020-2023）
中国人民大学优秀科研成果奖（2020）
---------个人教学奖励---------
北京高校青年教师教学基本功比赛二等奖（2023）
北京高校青年教师教学基本功比赛最受学生欢迎奖（2023）
中国人民大学教学标兵（2023）
中国人民大学青年教师教学基本功大赛一等奖（理科组第一名，2023）
---------指导学生获奖---------
全国统计学博士研究生学术论坛一等奖（2021）
全国大学生市场调查与分析大赛总决赛一等奖优秀指导教师奖（2023、2021）
创新杯学生课外学术科技作品竞赛本科生组特等奖（2025）、一等奖（2021）
商业应用分析实践，本科生，2020-至今
数理统计（中国人民大学首批专业核心课建设项目），本科生，2018-至今
商务大数据案例分析，研究生，2016-至今
（曾讲授时间序列分析，统计学，随机分析选讲等课程）
专注研究大规模数据的高效计算与统计理论，包括高维数据降维分析，复杂网络建模，分布式计算。并关注统计理论在中小企业数字化中的应用。
---------代表性成果---------
Li, X., Huang, D., and Wang, H. (2025) Pairwise maximum likelihood for multi-class logistic regression model with multiple rare classes, Proceedings of the International Conference on Machine Learning, Accepted.
Wu, S., Huang, D.*, Wang, H.*(2023) Quasi-Newton Updating for Large-Scale Distributed Learning. Journal of the Royal Statistical Society：Series B (Statistical Methodology), 85(4), 1326-1354.
Wu, S., Huang, D.*, Wang, H. (2023) Network Gradient Descent Algorithm for Decentralized Federated Learning. Journal of Business & Economic Statistics, 41(3), 806-818.
Zhu, X., Huang, D.*, Pan, R., Wang, H. (2020) Multivariate Spatial Autoregressive Model for Large Scale Social Networks. Journal of Econometrics, 215(2), 591-606.
Su, L., Lu, W.*, Song, R., and Huang, D. (2020) Testing and Estimation of Social Network Dependence with Time to Event Data. Journal of the American Statistical Association, 115(530), 570-582.
Huang, D., Wang, F*., Zhu, X., Wang, H.(2020) Two-Mode Network Autoregressive Model for Large-Scale Networks. Journal of Econometrics, 216(1), 203-219.
Huang, D., Yin, J., Shi, T., and Wang, H.* (2016) A statistical model for social network labeling. Journal of Business & Economic Statistics, 34(3), 368-374.
Huang, D., Li, R.*, & Wang, H. (2014) Feature Screening for Ultrahigh Dimensional Categorical Data with Applications. Journal of Business & Economic Statistics, 32(2), 237-244.
王曾，符国群，黄丹阳，汪剑锋(2014)《国有企业CEO“政治晋升”与“在职消费”关系研究》,《管理世界》, 5, 157-171.
---------大规模数据计算---------
Lin, Z., Huang, D.*, Xiong, Z., Wang, H.(2025) Statistical Inference for Regression with Imputed Binary Covariates with Application to Emotion Recognition. Annals of Applied Statistics, 19(1), 329-350.
Deng, J., Huang D.*, Zhang, B.(2024) Distributed Pseudo-Likelihood Method for Community Detection in Large-Scale Networks. ACM Transactions on Knowledge Discovery from Data, 18(7), 1-25.
Wang, F., Huang, D.*, Gao, T., Wu, S.*, Wang, H. (2022) Sequential One-Step Estimator by Subsampling for Customer Churn Analysis with Massive Datasets. Journal of the Royal Statistical Society：Series C (Applied Statistics), 71(5), 1753-1786.
Hu, W., Huang, D.*, Jing, B., Zhang, B.* (2021) Crawling Subsampling for Multivariate Spatial Autoregression Model in Large-Scale Networks. Electronic Journal of Statistics, 15(2), 3678-3707.
Wang, F., Zhu, Y., Huang, D.*, Qi. H., Wang, H. (2021) Distributed one-step upgraded estimation for non-uniformly and non-randomly distributed data. Computational Statistics & Data Analysis, 162, 107265.
Zhu, Y., Huang, D.*,Gao, Y., Wu, R., Chen, Y., Zhang, B., Wang, H. (2021) Automatic, Dynamic, and Nearly Optimal Learning Rate Specification via Local Quadratic Approximation. Neural Networks, 141,11-29.
---------网络结构模型---------
Deng, J., Huang D.*, Chang X., Zhang, B.(2025) Subsampling-based modified Bayesian information criterion for large-scale stochastic block models. Electronic Journal of Statistics, 18(2), 4724-4766.
Deng, J., Yang, X., Yu, J., Liu, J., Shen, Z., Huang, D., Cheng, H.*(2024) Network Tight Community Detection. 41st International Conference on Machine Learning, PMLR 235, 10574-10596.
Deng, J., Huang D.*, Ding, Y., Zhu, Y., Jing, B., Zhang, B*.(2024) Subsampling Spectral Clustering for Stochastic Block Models in Large-Scale Networks. Computational Statistics & Data Analysis, 189, 107835.
Huang, D., Hu, W.*, Jing, B., Zhang, B.* (2023) Grouped spatial autoregressive model. Computational Statistics & Data Analysis, 178, 107601.
Huang, D., Zhu, X.*, Li, R., Wang, H. (2021) Feature Screening for Network Autoregression Model, Statistica Sinica, 31,1239-1259.
Chang X., Huang, D.*, Wang, H. (2019) A Popularity Scaled Latent Space Model for Large-Scale Directed Social Network. Statistica Sinica, 29(3), 1277-1299.
Huang, D., Lan, W., Zhang, H. H., & Wang, H. (2019) Least squares estimation of spatial autoregressive models for large-scale social networks. Electronic Journal of Statistics, 13(1), 1135-1165.
Huang, D., Guan, G.*, Zhou, J., Wang, H. (2018) Network-based Naive Bayes Model for Social Network. Science China Mathematics, 61(4), 627-640.
Zhou, J., Huang, D.*, and Wang, H. (2017) A dynamic logistic regression for network link prediction. Science China Mathematics, 60, 165-176.
黄丹阳，张力文(2021)《基于局部社团结构平衡的双模符号网络链路预测研究》,《统计研究》，38(12),131-144.
黄丹阳，毕博洋，苗玉茵(2020) 《双模网络下基于节点流行度的潜在空间模型》，《统计研究》，37(3), 60-71.
---------支付数据产业应用---------
Zhu, Y., Huang, D.*, Zhang, B.(2025) A Wasserstein distance-based spectral clustering method for transaction data analysis. Expert Systems with Applications, 260, 125418.
Zhu, Y., Deng, Q., Huang, D.*, Jing, B., Zhang, B.* (2021) Clustering based on Kolmogorov-Smirnov statistic with application to bank card transaction data. Journal of the Royal Statistical Society：Series C (Applied Statistics), 70(3), 558-578.
Huang, D., Zhou, J.*, and Wang, H. (2018) RFMS Method for Credit Scoring Based on Bank Card Transaction Data. Statistica Sinica, 28(4), 2903-2919.
朱映秋，黄丹阳*，张波(2024)《基于高斯混合模型的分布因子聚类方法》,《统计研究》, 41(6), 147-160.
黄丹阳，郭雁茹，姜光耀，田昆(2022) 《融合多维度线上特征的餐饮商户线下销售额分析》,《营销科学学报》, 1(2), 30-51.
黄丹阳，毕博洋，朱映秋(2021) 《基于高斯谱聚类的风险商户聚类分析》，《统计研究》，38(6), 145-160.
发明专利（第一发明人），一种基于图神经网络和迁移学习的产品推荐方法，申请日：2025年04月02日
发明专利（第一发明人），纵向联邦学习中的隐私保护超高维特征筛选方法，授权公告日：2025年03月11日
黄丹阳，《大规模网络数据分析与空间自回归模型》，科学出版社，2022（入选“京东统计学图书热卖榜”）
吕晓玲，黄丹阳，《数据科学统计基础》，中国人民大学出版社，2021（中国人民大学十三五规划教材）