郁彬（Bin Yu），华裔美国人，统计学家，美国艺术与科学院院士，美国国家科学院院士，加利福尼亚大学伯克利分校统计学系和电子工程与计算机科学系教授。

1978年，郁彬一家从哈尔滨市搬到北京市。

1984年，毕业于北京大学数学系，获得数学学士学位。

1985年，通过“陈省身项目”赴美国加利福尼亚大学伯克利分校攻读统计学博士学位。

1987年，获得加利福尼亚大学伯克利分校硕士学位。

1990年，获得加利福尼亚大学伯克利分校博士学位。

1990年—1993年，任威斯康星大学麦迪逊分校统计学助理教授。

1993年—1997年，任加利福尼亚大学伯克利分校助理教授。

1997年—2001年，任加利福尼亚大学伯克利分校副教授。

1998年—2000年，任贝尔实验室技术员（Member of Technical Staff）。

2001年，任加利福尼亚大学伯克利分校统计学系教授。

2006年，任加利福尼亚大学伯克利分校电子工程与计算机科学系教授，同年入选古根海姆学者。

2009年—2012年，任加利福尼亚大学伯克利分校统计系主任。

郁彬的交叉学科研究包括神经科学、遥感、生物信息、及文本总结。她的多项工作均在理论和应用领域有较大影响，其中的一项工作是和合作者利用功能性磁共振成像（fMRI）分析解码人类在观看影片时的大脑视觉信号来重建影片中的影像，该工作被《时代周刊》评为年度Top50发明之一。

郁彬与基因组学、神经科学、医学领域科学家合作进行跨学科研究，开发了统计和机器学习方法、算法和理论，并与领域知识以及量化批判思维结合以解决这些领域中的数据问题。

郁彬带领的科研团队利用卷积神经网络模型（CNN）将经过变换的自然图像拟合V4区域71条独立神经元的峰值速率（spike rates）。为了得到每个神经元的模型，郁彬首先将模拟图像传递给卷积神经网络内层，将内层的活动作为高维回归的预测向量，将V4神经元的应答率作为响应向量。因此，每个神经元的最终模型都包含一个由CNN提供的多层非线性变换、一个由回归模型提供的权重线性层。研究发现，使用CNN模型前两层获得的模型比加博尔小波模型得到的结果预测效果更好。为了刻画每个V4神经元的空间和模式的选择性，郁彬团队精确优化了使得预测峰值速率最大化的输入图像，并检验的模型的稳定性。研究结果显示，V4神经元主要识别曲线、斑点、棋盘格等形状的图像。

据2023年3月加利福尼亚大学伯克利分校教师个人主页显示，郁彬发表了170多篇出版物。

2011年，郁彬受邀在国际工业与应用数学大会（ICIAM）作特邀演讲。

2012年，作了伯努利协会的图基纪念演讲（Turkey Memorial Lecture of the Bernoulli Society）。

2016年，作国际数理统计学会（IMS）Rietz演讲。

据2023年3月加利福尼亚大学伯克利分校教师个人主页显示，郁彬曾讲授“统计模型：理论与应用（Statistical Models: Theory and Application）”“当代统计预测和机器学习（Modern Statistical Prediction and Machine Learning）”等课程。

郁彬强调，做科研不等于发文章，应该有自己的创新，不能只看着前人的后脑勺做工作；可以用两三年的时间写一篇让自己骄傲的文章。

郁彬认为学生选导师首先应该考虑能直接对自己的研究提出指导的教授，以及自己敢于交流的教授。对于研究方向选择的问题，她认为方向并不是特别重要的问题，研究的过程才重要，要体验研究的全套过程，要知道怎么去学习，去研究。尤其是不能患得患失，想要的太多而做的太少。要随时拥有好奇心，走别人没有走过的道路，这样才能在科研领域开辟新天地，作出新成果。

郁彬出生在书香世家，外祖父为抗战烈士法官郁曼陀，舅公（外祖父的弟弟）为郁达夫，大姨为郁风，大姨父为黄苗子。

郁彬教授是国际著名的机器学习与统计专家。（西安电子科技大学电子工程学院评）

郁彬在统计理论、高维数据分析、机器学习等方面成绩斐然，享有很高的国际声誉，同时也为北京大学统计学科建设、发展、人才培养作出了巨大贡献。（北京大学国际合作部评）