学术会议特邀报告


邬江兴

报告题目:数据科学与大数据试验场

摘要:信息化是生产数据的过程,对应的是信息科学和信息产业;而大数据是开发数据的过程,对应的是数据科学和数据产业。简单地看待大数据。可以归纳为二个问题:1)用数据解决问题;2)解决数据的问题(数据大问题)。用数据解决科学研究、社会发展和经济建设中的各种问题,发展新的学科,新的生活方式和新兴产业等等。大数据试验场是面向大数据问题而设计的科学技术研发和试验验证环境,具有面向大数据应用的新型计算、存储、传送和资源管理与服务支撑等特殊能力,是开展大数据科学研究、技术创新与应用示范不可或缺的重大基础设施。将面向全球开放运行,服务于大数据研究开发和人才培养、基于大数据的科技与产业创新等。大数据试验场的抓手作用:大数据试验场将用于数据科学研究、大数据技术开发、经济和管理政策推演、政府管理推演、科技与工程创新试验、产业创新试验、大数据人才培养、支撑大众创业和万众创新等等。

讲者简介:1953年9月12日出生于浙江嘉兴。现任国家数字交换系统工程技术研究中心(NDSC)主任、博导,通信与信息系统、计算机与网络技术专家,中国工程院院士。原解放军信息工程大学校长,少将。曾先后担任“九五”、“十五”国家863计划通信技术主题专家组副组长,“十一五”国家863计划信息领域专家组副组长、国家移动通信重大专项(第3专项)论证委员会主任、国家下一代广播电视网络(NGB)专家委员会主任兼总工程师、国家三网融合专家组副组长等职务。1997年至2009年担任亚太经合组织(APEC)工商咨询理事会(ABAC)负责技术事务的中国代表,现任亚太经合组织(APEC)工商咨询理事会(ABAC)副主席。2016年起任 “十三五”国家重大科技专项工程---天地一体化网络专家组副组长。1991年主持研制成功我国第一台万门程控数字交换机-HJD04机,其颠覆性技术带动了民族通信高技术产业进入全球第一方阵,为中国自主建成世界上最大的、现代化的通信网做出了里程碑式的贡献,被誉为“中国大容量程控数字交换机之父”。2009年,HJD04机被评为“新中国60年28项第一的工业技术成就”。先后担任“中国高速信息示范网”、“中国高性能宽带信息网(3Tnet)”等引领网络通信技术转型发展的专项任务总体组长,创造出一批诸如基于ACR平台的IPTV等标志性技术,有效支撑了我国网络通信产业可持续发展。2008年提出“改变行业游戏规则”的拟态计算与拟态防御理论,2013年主持研制成功世界上第一台拟态计算原理验证机,2016年完成拟态防御原理国家级工程验证,2017年出版【网络空间拟态防御导论】专著。先后获国家科技进步一等奖3项、二等奖4项。1995年获何梁何利科学技术进步奖、1997年获评国家有突出贡献的中青年专家称号、2015年获何梁何利科学与技术成就奖。所带领的科研团队获2015年国家科技进步创新团队奖。


陈左宁

报告题目:大数据工程实践中的若干思考

摘要:通过近年来某大数据工程实践,总结出以下问题:1)目前的很多云对数据的跨域漂移、跨域一致性支持并不好,亟须做好跨域数据的云化;2)目前数据的碎片化、特征开环、特征复杂多维给数据治理带来了巨大挑战,在某些领域严重缺乏合格的供人工智能训练用的数据,亟须做好开环数据的治理;3)目前基于大数据的人工智能缺乏鲁棒性、稳定性,很多深度神经网络在对抗性环境中十分脆弱,亟须研究数据对于深度学习鲁棒性的影响;4)目前数据保护法规愈加严格、用户隐私保护意识崛起,亟须同时考虑数据的共享与数据的隐私与安全,不暴露原始数据的情况下提取数据特征,同时不影响对数据的处理和利用。

讲者简介:1957年10月23日出生,女,计算机工程技术专家,北京人。毕业于浙江大学计算机应用技术专业,工学硕士,高级工程师。国家并行计算机工程技术研究中心总工程师。2001年当选为中国工程院院士。现任中国工程院党组成员、副院长。第十届全国人大代表,第十七届、十八届中央候补委员。自1979年以来,先后参加或领导多台国产高性能计算机系统研制工作,主持研制了多套国产大型系统软件项目,其中80年代领导研制了我国第一个与UNIX系统完全兼容的并行操作系统,在并行处理技术方面达到国际先进水平。两次获得国家科技进步特等奖、两次获得国家科技进步一等奖。获得中国青年科技奖、国家有突出贡献的优秀中青年专家、求是奖、中国青年科学家奖等。


华云生

报告题目:Using Dominance to Harness the Complexity of BigData Applications

摘要:Big Data is emerging as one of the hottest multi-disciplinary research fields in recent years. Big data innovations are transforming science, engineering, medicine, healthcare, education, finance, business, and ultimately society itself. However, as their data space is so vast that it is infeasible to scan the data once, we must focus our search on promising subspaces. We introduce the concept of kernels that represent solution density in a subspace. To avoid scanning through the entire data, we prune inferior subspaces with a small kernel using some dominance relations between subspaces Pi and Pj. In this case, when Pi dominates Pj, we can prune Pj because we can guarantee that the kernel in Pj cannot be better than that in Pi, without search both subspaces. This approach is significantly more effective than heuristic pruning which does not provide such guarantees. For illustration, we present the learning and generalization of methods for identifying subspaces with high daily returns in financial applications, and the identification of regions with high perceptual quality in interactive multimedia.

讲者简介:Benjamin W. Wah(华云生) is currently the Provost and Wei Lun Professor of Computer Science and Engineering of the Chinese University of Hong Kong, as well as the Chair of the Research Grants Council of the University Grants Committee, Hong Kong, and the Franklin W. Woeltge Emeritus Professor of Electrical and Computer Engineering, University of Illinois, Urbana-Champaign. Before then, he served as the Director of the Advanced Digital Sciences Center in Singapore, as well as the Franklin W. Woeltge Professor of Electrical and Computer Engineering and Professor of the Coordinated Science Laboratory of the University of Illinois, Urbana-Champaign, IL. Wah received his Ph.D. degree in computer science from the University of California, Berkeley, CA, in 1979. He has received numerous awards for his contributions, which include the IEEE CS Technical Achievement Award (1998), the IEEE Millennium Medal (2000), the IEEE-CS W. Wallace-McDowell Award (2006), the Pan Wen-Yuan Outstanding Research Award (2006), the IEEE-CS Richard E. Merwin Award (2007), the IEEE-CS Tsutomu Kanai Award (2009), the Distinguished Alumni Award in Computer Science of the University of California, Berkeley (2011), and the Justice of Peace, Hong Kong (2018). Wah's current research interests are in the areas of big data applications and multimedia design and processing. Wah cofounded the IEEE Transactions on Knowledge and Data Engineering in 1988 and served as its Editor-in-Chief between 1993 and 1996. He currently serves as the Honorary Editor-in-Chief of Knowledge and Information Systems and is on the editorial boards of Information Sciences, International Journal on Artificial Intelligence Tools, Journal of VLSI Signal Processing, World Wide Web, and Journal of Computer Science and Technology. Wah has served the IEEE Computer Society in various capacities, including Vice President for Publications (1998 and 1999) and President (2001). He is a Fellow of the AAAS, ACM, and IEEE.


孙凝晖

报告题目:高通量计算

摘要:在报告中将介绍网络计算基础设施的变迁,在万物互联时代需要作为算力基础设施的新型计算设备——高通量计算机,报告中将介绍它的概念、基础理论、核心芯片、整机系统,和示范应用。

讲者简介:1968年3月出生,1989年毕业于北京大学,1999年于中国科学院计算技术研究所获博士学位,现为中科院计算所研究员,所长,计算机体系结构国家重点实验室主任,博士生导师。作为负责人主持曙光2000、曙光3000、曙光4000、曙光5000、曙光6000系列等高性能计算机的研制,并多次获得国家科技进步奖一、二等奖,中国青年科技奖,中国科学院杰出成就奖,中国十大杰出青年,国家基金委杰青等。主要研究领域是高性能计算机、计算机体系结构。孙凝晖研究员先后参加并领导了曙光一号并行计算机,曙光1000大规模并行机、曙光2000-I、曙光2000-II超级服务器、曙光3000超级服务器、曙光4000超级服务器、曙光5000A高效能计算机、曙光6000高性能计算机的研制,其中提出了一系列高性能计算机体系结构和系统设计方法,并行算法和应用的优化方法,多次获得国家和科学院科技进步奖,1999年获中国科学院青年科学家奖一等奖,2001、2003、2006年三次荣获国家科技进步二等奖,2005年获中国科学院杰出科技成就奖,2006年获得“中国青年科技奖”和“中国十大杰出青年”荣誉称号。


熊辉

报告题目:Mobile Analytics: Prospects and Opportunities

摘要:Advances in sensor, wireless communication, and information infrastructure such as GPS, WiFi, and mobile phone technology have enabled us to collect and process massive amounts of mobile data from multiple sources but under operational time. These big data have become a major driving force of new waves of productivity growth, application innovation, and consumer surplus. The big data are usually immense, fine-grained, diversified, dynamic, and sufficiently information-rich in nature, and thus demand a radical change in the philosophy of data analytics. In this talk, we discuss the technical and domain challenges of big data analytics in mobile environments. In particularly, it is especially important to investigate how the underlying computational models can be adapted for managing the uncertainties in relation to big data process in a huge nebulous environment. The theme to be covered will include AI enabled map services (e.g. multi-modal travel recommendation), context-aware POI recommendations, POI knowledge graph, and urban cognitive computing.

讲者简介:美国罗格斯-新泽西州立大学终身正教授、RBS院长讲席教授;目前学术休假担任百度商业智能实验室和百度人才智库主任。熊辉教授主要研究领域涵盖数据挖掘、商业智能、以及管理大数据。他获得的部分荣誉包括ACM杰出科学家、中国教育部长江讲座教授、中国国家基金委海外杰青B类(海外及港澳学者合作研究基金)、哈佛商业评论2018年“拉姆.查兰管理实践奖”-全场大奖、2017 IEEE ICDM Outstanding Service Award、和ICDM-2011最佳研究论文奖。 熊辉教授是Encyclopedia of GIS (Springer)的共同主编,IEEE Transactions on Big Data (TBD)、 ACM Transactions on Knowledge Discovery from Data (TKDD) 和 ACM Transactions on Management Information Systems (TMIS)的编委。曾担任ACM KDD 2012企业及政府专题的共同程序委员会主席、2018中国大数据技术大会共同大会主席、IEEE ICDM 2013的共同程序委员会主席、IEEE ICDM 2015的共同大会主席,以及ACM KDD-2018的研究专题程序委员会主席。在人才培养方面,熊辉教授指导的大多数博士毕业生均成为美国知名大学TENURE-TRACK教授,包括田纳西大学 (University of Tennessee-Knoxville)、亚利桑那大学 (University of Arizona)、纽约州立大学石溪分校(Stony Brook University、中佛罗里达大学(University of Central Florida)、乔治梅森大学(George Mason University、香港城市大学、和德雷塞尔大学 (Drexel University)。熊辉教授的工作被许多知名媒体广泛报道:如Economics、 Harvard Business Review、 Forbes、新华社、和MIT Technology Review。


周晓方

报告题目:Efficient Processing of Big Spatiotemporal Data

摘要:Spatiotemporal data analytics involves a wide range of research topics including data management, query processing, data mining and recommendation systems. It can find many applications in intelligent transport systems, location-based systems, urban planning and smart city. New opportunities arise with massive and rapidly increasing volumes of high quality spatiotemporal data from many sources such as GPS devices, mobile phones and social network applications, together with more powerful computing platforms and machine learning algorithms. Managing large-scale spatiotemporal data and making sense from it become critically important for many enterprises. In this talk we will discuss new research problems and new approaches for big spatiotemporal data analytics.

讲者简介:博士,IEEE Fellow,澳大利亚昆士兰大学计算机科学教授、数据科学带头人,广州大学特聘教授,“863”主题项目首席科学家,中国计算机学会大数据专家委员会常务委员,中国中文信息学会网络空间大搜索专委会副主任,IEEE数据工程技术委员会(TCDE)主席(2015-2018)。周晓方教授长期从事数据库,数据挖掘和人工智能,数据质量管理,智能搜索以及大数据管理和应用等领域的研究。曾任IEEE ICDE 2013, ACM CIKM 2016,VLDB 2020等国际一流学术会议的程序委员会主席, ACM Multimedia 2015和2017年中国大数据技术大会大会主席,WISE 2008, CIKM 2016和DEXA 2018大会主题报告人,和VLDB Journal、IEEE Transactions on Knowledge and Data Engineering, IEEE Transactions on Cloud Computing等多个国际一流学术期刊编委。曾获WISE 2012,WISE 2013,ICDE 2015,DASFAA 2016和ICDE 2019等多个国际会议最佳论文奖。