0
| 本文作者： 汪思颖 | 编辑：郭奕欣 | 2017-09-18 15:14 | 专题：第五届CCF大数据学术会议 |
雷锋网 AI 科技评论按：第五届CCF大数据学术会议将于2017年10月13日-15日在深圳举行，这是我国大数据领域的旗舰会议。届时雷锋网将作为协办单位，对此次会议进行全面报导。
近几年，大数据是各界高度关注、积极布局的热点方向，它已经成为全球IT行业最强劲的发展动力，正在引起各行各业的业务变革与产业升级。
此次会议由中国计算机学会（CCF）主办，CCF大数据专家委员会、深圳大学承办，旨在交流大数据研究与应用的成果和经验，探讨产业化所面临的关键性挑战问题和研究方向。大会组委会邀请到多位学界业界领军人物，覆盖多个层面，将与大家进行全方位沟通探讨。大会设有五个主题报告、四个分论坛及一个企业论坛，在这里，你将能全面了解大数据行业的变革与挑战以及产业发展趋势。
主题报告特邀嘉宾
主题报告 1
特邀嘉宾: 何友院士
报告题目：“国防大数据发展现状与展望”简介
摘要：本报告首先简要介绍了大数据的相关概念、内涵和现状；其次，给出了国防大数据的定义，总结凝练了国防大数据的独有特征，并用全面、详实的案例从多个视角充分展示了国防大数据的应用；然后，系统梳理了国防大数据面临的技术挑战，凝练了国防大数据的科学问题；最后，从指挥决策，情报分析，装备管理，后勤保障等方面，对国防大数据的发展趋势进行了具体阐述。
主题报告 2
特邀嘉宾: Philip S. Yu
报告题目：On Fusion of Heterogeneous Data Sources for Mining Big Data
摘要： In this talk, we focus on the variety issue and discuss the recent development in fusion of information from multiple data sources, which can be applied to multiple applications and disciplines. As the number and variety of social networks aimed at different purposes increase rapidly, users nowadays are participated in multiple online networks simultaneously to enjoy various services. How to fuse information spreading across multiple networks to achieve better understanding of customers and provide higher quality of services becomes the Holy Grail. Social networks will be used as an example to explain how to address the data fusion issue.
主题报告 3
特邀嘉宾: Usama Fayyad
主题报告 4
特邀嘉宾: Yi Pan
报告题目：Deep Learning for Big Data Applications - Improvement and Future Directions
摘要：In this talk, I will outline the challenges and problems in existing deep learning methods when applying it to big data in general and bioinformatics in particular. I will describe a few novel architectures and algorithms recently proposed by us to improve the accuracies and learning speeds of the existing deep learning technologies. These new deep learning architectures and algorithms will be applied to several big data applications including image processing, DNA sequence annotation, long intergenic non-coding RNA detection, and gene structure prediction. The data encoding schemes, the choice of architectures and methods used will be described in details. Performance comparisons with other machine learning and existing deep learning methods will be reported. The experimental results show that deep learning is very promising for many bioinformatics applications, but requires selection of suitable models and a lot of tuning to be effective. Future research directions in this exciting area will also be outlined.
主题报告 5
特邀嘉宾: 芮勇
报告题目：AI系统的ABCD
摘要：近几年，人工智能的发展骤然加速，在特定领域内甚至开始超过人类智慧，受到业界和社会的广泛关注。人工智能之所以能迅速崛起，大数据承担了至关重要的角色。芮勇博士身兼学术和企业高管的双重身份，多年来一直致力于人工智能基础科研并有着非常丰富的企业研发经验。他总结归纳了人工智能系统的四大要素（这四大要素对应英文单词的开头正好是A\B\C\D），重点阐述人工智能和大数据的内在联系，剖析人工智能快速崛起的原因。芮勇博士还将同与会者探讨如何客观地看待人工智能的发展，以及其未来前景。
分论坛
论坛1：大数据高性能计算（中山大学）
分论坛主席：中山大学 钱德沛 教授
邀请嘉宾：
1、徐宗本院士、西安交通大学
报告题目：VClustering: A Big Data Clustering Algorithm
报告摘要：
In this tack, we report a big data clustering algorithm, VClustering, with linear complexity, together with an application of the new algorithm in New York’s traffic data.The VClustering works based on sparsification of the similarity matrix. To this end, we introduce a Weber observation system for modeling the visual principle for identifying similar or dissimilar objects in a multi-scale way. With this, we propose a new similarity measure of data, called the visual similarity, based on Weber observation system. This results in a very nice property of the similarity matrix that its computation can be done in an incremental way. By gridding data using S/D encoding, the sparsification of similarity matrix then results in a neighborhood (very sparse) matrix at each scale, which can be clustered with any well known clustering algorithm(say, the graph connectivity test).
2、朱文武教授 清华大学 计算机系副主任
报告题目：视频大数据高效表达、深度分析与综合利用
报告摘要：本报告以图像视频大数据为主要研究对象 ，首先介绍视频大数据高效表达与压缩、视觉对象和事件跨域关联与识别、群体视觉感知与多源异构信息映射等科学问题，深入分析并建立视频大数据高效表达、深度分析与综合利用的计算理论与方法，并探讨如何在天河2号上搭建能支撑百亿幅以上图像大数据和十万路以上视频大数据的深度解析和关联分析平台及大规模示范应用。
3、 杨广文教授 清华大学 高性能计算技术研究所所长
报告题目：基于神威·太湖之光的大数据分析
报告摘要：报告将首先阐述神威·太湖之光超级超级计算机的技术特点，然后对目前已取得的应用成果进行介绍，并进一步介绍基于神威·太湖之光的深度学习算法库、分布式深度学习框架及开展的成功应用。
4、吕卫锋教授 北京航空航天大学 计算机学院院长
报告题目：城市超脑---城市计算智能系统的挑战
报告摘要：各类人工智能系统正在逐步取代传统信息系统成为未来智能社会的核心信息基础设施。尤其是在复杂多变的城市时空环境中，各行业部门条块分割的智能系统并不能满足人们对智慧城市的需要，因此迫切需要建立面向城市综合体的“超脑”，从系统视角实现城市计算智能服务，这对大数据环境下的计算效能与平台提出重要挑战。本报告将从智慧城市与智能社会需求的角度，探讨未来智慧城市中城市超脑的功能、结构与挑战。
5、 罗锦兴教授 中山大学、
报告题目：以脉波影像数据为基础的整体精准医学
报告摘要：人体是整体生理系统相互影响，整体诊断可以弥补现今主流医学分科分治的缺点。虽然整体诊断是中医的专长，但苦于缺乏数据支持而越來越消失，甚为可惜。整体诊断历史记载最完整的是脈象，过去几十年来，脈象以一维血压波来转译，但由双方没有直接对应关系，造成脈诊仪一直无法成为标准医疗设备。本研究历经14年的脈诊科研，以把脈标准化和三维脈波影像直接转译脈象，直接进入临床进行整体诊断，获得宝贵的临床治疗经验，确认脈波影像是相当有临床价值的整体诊断数据，成为推动整体融合精准医学的重要依据，开发崭新大健康数据。
论坛2：大数据智能分析
分论坛主席：北京邮电大学 杜军平教授
邀请嘉宾：
1、王晓阳教授 复旦大学计算机学院院长，
报告题目：智能化大数据搜索
报告摘要：大数据的价值在于其对事物拥有更完整的记录，从而能对各类搜索问题提出更准确完整的回答。要实现这个潜能，几项重要的任务是充分理解提出的搜索问题，选择合适的数据，并根据数据对提出的搜索进行提炼等。这几项任务可以通过一些智能技术来完成，比如我们可以使用机器学习理解和总结数据，使用知识图谱提供数据画像，使用智能对话提供搜索引导等，致力于智能化实现智能性大数据搜索，实现大数据巨大的信息支撑潜能。
2、郭毅可教授 上海大学计算机学院院长，
报告题目：待定
3、张文生教授 中科院自动化所 副总工程师
报告题目：“结构+统计”大数据机器学习算法与应用
报告摘要：随着大数据时代到来，人们对海量异构数据理解的需求日益凸显，本报告旨在提出一种雷达气象大数据“结构+统计”的超短临精准降水估计机器学习算法。借助气象雷达数据具有海量异构的特点和结构机器学习优势，训练出雷达气象大数据超短临公里级降水时空估计结构模型。通过降雨过程时序统计信息，探索分钟级精准降水估计，结合中国国家气象局的雷达气象大数据分析与处理任务，验证了算法的有效性和实用性，相关成果在全国气象预报中推广应用。
4、于剑教授 北京交通大学 计算机学院计算机科系主任
报告题目：深度学习的能和不能
报告摘要：深度学习目前是机器学习领域最引入注目的研究方向，其应用极其广泛。但没有免费午餐定理告诉我们，没有万能的学习算法。因此，本报告将深入分析深度学习的适用范围。首先，简述深度学习的发展历程。在此基础之上，理论分析深度学习的应用范围和失效领域。最后，讨论深度学习面临的问题及其对策。
5、秦拯教授 湖南大学 大数据研究中心主任
报告题目：基于领域知识工程的大数据分析技术研究与行业实践
报告摘要：针对垂直领域专业依赖性高、数据分析难度大、智能化个性化程度低等问题，介绍如何研究分析并构建面向垂直领域的知识库体系、精准营销模型、券系统模型，给出一个实际应用案，与大家分享大数据创新实践和变现，并展示了实际应用结果，表明团队研发成果在开拓市场用户量、提高用户服务质量、提升运营转化率和盈利能力等方面，成效显著。
论坛3：大数据系统与应用
分论坛主席： 中国科学院深圳先进技术研究院 须成忠 教授
邀请嘉宾：
1、须成忠 教授 中国科学院深圳先进技术研究院 首席科学家、云计算研究中心主任、
报告题目：Data-Driven Intelligence for Smart Cities: A Case Study
报告摘要：AI 2.0=Deep Learning Algorithms + Big Data + Computing Platform. Data is origin of the life of artificial intelligence. Big data instills new vitality into the intelligence. In collaborating with Shenzhen transportation authority, we are collecting and maintaining real-time traffic data of taxi, bus, and subways for Shenzhen Metro city and developing data management and analytics techniques for the provisioning of online location-based intelligent services. In this talk, I will report this experience with the management of big traffic data of Shenzhen for smart cities. Leveraging multi-source data for human mobility analysis will also be discussed.
2、胡瑞敏教授 武汉大学 计算机学院院长
报告题目：三元空间大数据理论与网络空间安全应用探讨
报告摘要：随着信息技术的迅猛发展，网络安全形势发生重大变化。网络空间的虚拟身份难以监管导致网络诚信缺失、网络违法犯罪活动频发，已成为影响国家安全和社会稳定的重要因素，我们突破传统的网络空间身份管理思路，聚焦于“物理-网络-社会” 三元复杂空间可信身份监管基础科学问题研究，重点解决传统身份管理依赖信任中心、认证依赖预共享秘密信息、难以追踪网络犯罪以及用户隐私易泄露等方面存在的挑战性问题，并基于以上关键技术探讨了网络空间安全的相关应用。
3、曹建侬教授 香港理工大学 电子计算学系主任
报告题目：Cross-disciplinary Big Data Processing and Analytics
报告摘要：Big data analytics using cross-domain datasets allow us to study phenomena by fusing views from multiple angles, facilitating identifying meaningful problems and discovering new insights. However, we need methods and techniques to solve the challenges like heterogeneity, uncertainty and high dimensionality in analyzing cross-domain datasets. In this talk, I will share our work of analyzing datasets from multiple domains to uncover the underlying patterns, correlations and interactions to address human and urban dynamics issues like predict traffic congestions, optimize demand dispatching in emerging on-demand services, and designing wireless networks.
4、余水博士 澳大利亚迪肯大学
报告题目：Networking for Big Data: Challenges and Opportunities
报告摘要：Big Data is one of the hottest topics in our communities, and networking is an indispensable corner stone for the fancy big data applications. As a result, there is an emerging research branch, Networking for Big Data (NBD), in networking and communication fields. In this talk, we will firstly overview the current landscape of this energetic area, and then present the unprecedented challenges in this new domain, and finally discuss the current research directions in the main topics in networking for big data. We humbly hope this talk will shed light for forthcoming researchers to further explore the uncharted part of this promising land.
5、肖京博士 平安科技大数据首席总监兼智能引擎部总经理
报告题目：智能认知改造金融服务
报告摘要：随着人工智能技术近期的飞速进步，“智能＋”逐渐取代“互联网＋”，成为科技创新的主旋律。智能技术的应用建立在大数据基础之上，二者的紧密结合正在为传统行业带来巨大的变革。作为天生数据化的金融领域，智能化更是必然的选择。作为金融领域的领军企业，平安在行业内率先开展智能认知技术的研发及应用，在众多金融及医疗业务场景中取得了领先的成果，充分验证了智能化的关键作用。本次报告将介绍智能化大数据分析挖掘在平安金融业务的应用实践。
论坛4：大数据科学教育与人才培养
分论坛主席：华东师大 周傲英教授
邀请嘉宾：
1、高卫国教授 复旦大学大数据学院副院长
报告题目：复旦大学大数据学院人才培养分享
报告摘要：本报告简要回顾复旦大学(大)数据科学建设历程，重点介绍大数据两院在学科建设、人才培养体系、课程设计等方面的尝试。
2、李翠平教授 中国人民大学计算机学院副院长
报告题目：“数据科学与大数据技术”人才培养模式初探
报告摘要：待补充
3、尚学群教授 西北工业大学计算机学院副院长
报告题目：数据科学与大数据专业建设的思考
报告摘要：大数据专业又双叒叕火了，许多高校都在积极申报。如何结合学科优势和特色建设大数据专业成为所有申报高校最为关注的问题。我们从复杂工程能力培养谈谈对数据科学与大数据专业建设的认识，通过发挥领域特色和工程优势，培养具备较强数据领域系统能力的工程创新人才。
4、林子雨博士 厦门大学数据库实验室
报告题目：高校大数据课程建设中的关键问题探讨
报告摘要：加快高校大数据课程建设，是推进高校大数据教学事业长足发展的基础。在本报告中，讲者将根据自己在厦门大学建设大数据课程的亲身实践，以及与全国高校大数据课程教师之间的广泛接触交流，系统总结当前高校大数据课程建设过程中所普遍面临的难题，并分享讲者针对其中一些问题的探索性解决方案。
5、黄定江教授 华东师范大学数据科学与工程学院
报告题目：互联网+和人工智能视野下的数据科学与工程专业建设——探索与思考
报告摘要：随着国家相继发布“互联网+”行动计划和“新一代人工智能发展规划”，并将隐藏在其背后的核心“大数据”上升为国家战略，培养具有创新精神，具备数据科学思维，能够利用数据推动人类社会从信息时代快速跨入智慧时代，具有扎实数据科学理论知识基础和较强工程实践能力的人才，已是当前高校信息与计算机等相关学科和专业建设的重要任务。本报告结合“应用驱动创新”的理念和以让学生具备成为“系统架构师”和“数据科学家”所需的基础理论和专门知识为目标，探讨如何抽取和重构数学、统计学、计算机科学和信息管理等相关专业的教学内容，建设数据科学与工程专业教学和人才培养体系。报告将分享课程体系建设中所开展的工作以及对数据科学与工程专业发展的思考。
企业论坛
企业论坛：大数据产业化与AI应用发展趋势
分论坛主席：金蝶公司 张良杰博士；平安科技 王健宗博士
邀请嘉宾：
1、卢亿雷 AdMaster（精硕科技）
报告题目：数字营销在人工智能的实践
报告摘要：目前数字营销正在由自动化向人工智能化转变，用到的算法主要有机器学习、深度学习、随机森林等多种算法，使数字营销成为人工智能的深度应用。主要介绍人工智能在数字营销应用场景，特别是跨设备识别、社交数据情感分析、广告图片智能识别的算法与应用。
2、冯圣中 中国科学院深圳先进技术研究院 院长助理
报告题目：大数据处理中的高性能计算问题
报告摘要：大数据处理离不开高性能计算。脑科学中大规模网络，是典型的大数据，其处理对高性能计算提出巨大挑战。构成脑的基本结构单元是数亿甚至数千亿的神经元，神经元突触连接构成超大规模网络。分析精细脑结构-功能关系，及大脑网络的结构和连接特征，对于揭示脑功能机理具有重要理论意义与应用价值。本报告将以脑科学中的大规模网络处理为例，在脑网络特点、复杂网络分析以及复杂脑网络研究现状三方面介绍的基础上，分析脑科学中的高性能计算问题。
3、朱飞达教授 新加坡管理大学
报告题目：Data-driven AI-enabled Business Innovation: A User-oritened Perspective
报告摘要：What can we tell from the social data on the context of consumer behaviour, such that we can enrich the transaction-based data of traditional corporate databases? How can we unleash the power of social connections to identify potential high-value customers and perform cost-effective risk management? How to achieve dynamic social listening on 200 million users and detect in realtime marketing opportunities based on bursty events? In this talk, we will introduce a user-oritened perspective to handle and process the data together with a cluster of research results that underlie some initial answers to these questions.
会议时间：2017年10月13-15日
地点：深圳大学
会议官网：http://csse.szu.edu.cn/ccfbigdata2017/index.html
报名链接：https://bigdata.leiphone.com
雷锋网 AI科技评论后续将会持续带来大会相关信息，敬请关注。
相关文章：
第五届CCF大数据学术会议10月召开，多位大咖带你走向学术最前沿
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
专题
