教育背景：

• 2023-2025：滑铁卢大学 计算机科学 博士学位（全日制）
• 2020-2022：佐治亚理工学院 计算机科学 硕士学位（全日制）
• 2016-2020：浙江大学 计算机科学与技术 学士学位（荣誉）（全日制）

工作经历：

• 2025-至今：香港中文大学（深圳）数据科学学院 研究助理教授

陈靖邦是香港中文大学（深圳）数据科学学院研究助理教授，博士毕业于滑铁卢大学，硕士毕业于佐治亚理工学院，本科毕业于浙江大学。他主要研究方向是设计、分析、实现有理论保证的高效图论算法和数据结构，延伸方向包括大规模数据管理和数据挖掘，机器学习、人工智能，已在数据库、数据挖掘、理论计算机科学及人工智能等方向的顶级会议上发表多篇文章。陈教授高度参与程序设计竞赛相关赛事和活动。他曾两次参加ICPC世界总决赛并曾获得两次ICPC区域赛冠军和十二枚金奖。他曾担任多场ICPC亚洲区域赛的命题负责人、裁判长；曾担任佐治亚理工学院校队教练及北美程序设计训练营等训练营教练。他是Universal Cup的创始人和联合主席。欢迎对可信人工智能分析、人工智能+数据管理、数据挖掘的学生申请。

1. Jingbang Chen, Weinuo Li, Yingli Zhou, Hangrui Zhou, Qiuyang Mang, Can Wang, Yixiang Fang, Chenhao Ma, “Scalable Approximate Biclique Counting over Large Bipartite Graphs”, International Conference on Very Large Data Bases (VLDB 2026)
2. Jingbang Chen, Xinyuan Cao, Alicia Stepin, Li Chen, “On the Power of Learning-Augmented Search Trees”, International Conference on Machine Learning (ICML 2025)
3. Jingbang Chen, Qiuyang Mang, Hangrui Zhou, Richard Peng, Yu Gao, Chenhao Ma， “Scalable Algorithm for Finding Balanced Subgraphs with Tolerance in Signed Networks”， ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2024)
4. Qiuyang Mang, Jingbang Chen, Hangrui Zhou, Yu Gao, Yingli Zhou, Qingyu Shi, Richard Peng, Yixiang Fang, Chenhao Ma，”Efficient Historical Butterfly Counting in Large Temporal Bipartite Networks via Graph Structure-aware Index”, International Conference on Very Large Data Bases (VLDB 2025)
5. Jingbang Chen, Meng He, J. Ian Munro, Richard Peng, Kaiyu Wu, Daniel J. Zhang, “Distance Queries over Dynamic Interval Graphs”, International Symposium on Algorithms and Computation (ISAAC 2023) and Computational Geometry: Theory and Applications (Volume 122)
6. Jingbang Chen, Li Chen, Yang P. Liu, Richard Peng, Arvind Ramaswami,. “Exponential Convergence of Sinkhorn Under Regularization Scheduling”,.SIAM Conference on Applied and Computational Discrete Algorithms (ACDA 2023)
7. Jingbang Chen, Yu Gao, Yufan Huang, Richard Peng, Runze Wang, “Hardness of Graph-Structured Algebraic and Symbolic Problems”, Algorithms and Data Structures (WADS 2023)