当前位置: 首页 > 通知公告 > 医工通知 > 正文

【大数据科学与脑机智能高精尖创新中心】第五届大数据与计算智能研讨会

发布时间:2018-09-21 19:20   点击次数:

 为了更好地推动我国大数据科学与脑机智能的研究及应用,由北航大数据科学与脑机智能高精尖创新中心发起主办的“第五届大数据科学与计算智能研讨会”于2018年9月22日至9月23日在北京西郊宾馆5号楼金缘厅召开。

 大会邀请了海内外大数据及人工智能领域顶尖专家学者及产业界专家进行主题演讲,并汇聚领域内的优秀骨干人才共同探讨大数据与人工智能的最新研究方向及产业成果。本次会议是“北京航空航天大学计算机学院建专业60周年系列活动”之一,会议得到了北京市教育委员会、北京航空航天大学医工交叉创新研究院、北京航空航天大学计算机学院和国家973计划“网络信息空间大数据计算理论”项目组的大力支持。

 

大会议程

大会特邀报告

报告人:郑志明院士(大数据科学与脑机智能高精尖创新中心首席科学家)

报告题目:基于大数据的确定性小概率事件发现方法

报告人简介:

郑志明,中国科学院院士,北京航空航天大学大学教授。1987年7月在北京大学获理学博士学位后留校任教,1996年晋升为教授、博士生导师,曾任北京大学数学科学学院副院长、北京大学副教务长等职。2003年至北京航空航天大学工作,历任理学院院长、高等工程学院院长、副校长等职务。现任数学与系统科学学院教授、博士生导师,北航大数据科学与脑机智能高精尖创新中心首席科学家。郑志明教授为数学与信息科学交叉领域专家,长期从事空天信息安全与复杂信息系统等数学与信息交叉领域的研究。创立了动力学密码——基于代数和动力学融合的密码分析原理和方法,突破空天信息安全高速、低耗、多模式等技术瓶颈,研制成功系列空天安全新装备并列装。面向复杂信息系统,创立了调控系统复杂性的理论和方法,建立了信息快速传播、信息全局扩散和数据准确分析的新计算模式,产生重要国际学术影响。曾获国家技术发明一等奖、何梁何利科技进步奖、教育部自然科学一等奖和国防技术发明奖等。

 

大会特邀报告

报告人:朱文武教授(清华大学计算机系副主任)

报告题目:数据驱动的复杂社交系统动力学建模方法研究

摘要:

社交网络大数据具有时间动态性和空间复杂性的特点。传统分析方法基于物理建模用动力学模型试图刻画此类动态变化的现象,并解释其变化原因。当面对数十亿节点数百亿条边的复杂社交系统,动态变化现象体现在宏观网络,中观组群,微观用户行为,及信息在网络上的动态传播等不同尺度的场景,传统动力学模型难以刻画此类复杂社交系统的动态变化现象。我们通过数据驱动的动力学模型,第一次很好地刻画了上述复杂社交系统(微信,微博等)的动力学现象,并进一步解释其变化机制。我们提出的数据驱动的动力学建模研究方法,试图为建模,理解,预测真实大规模社交系统奠定一定的理论基础。我们所提出的研究方法在腾讯微博微信数据进行了实验验证。最后,介绍我们正在研究的将机器学习和物理建模相结合分析社交网络大数据的动态结构演化规律的研究范式。

报告人简介:

朱文武,清华大学计算机系副主任,信息科学与技术国家研究中心副主任,大数据算法与分析国家工程实验室副主任,国家973项目首席科学家,国家基金委重大项目负责人。IEEE Fellow、AAAS Fellow、SPIE Fellow。曾任微软亚洲研究院主任研究员,英特尔中国研究院首席科学家与总监,及美国贝尔实验室研究员等职。现主要从事三元空间大数据计算、媒体大数据计算,跨媒体智能计算等研究工作。在上述研究领域发表高水平国际论文300余篇。现担任IEEE Transactions on Multimedia 主编。曾6次获ACM及IEEE等国际最佳论文奖。获2012年度国家自然科学二等奖(排名第2)。

 

大会特邀报告

报告人: 裴健(京东集团副总裁)

报告题目:未来零售、智能供应链与数据科学

摘要:

零售的未来在于突破目前商业模式所面临的客户界限、货物界限和店场界限。突破这些界限的关键技术是含括智能消费、智能物流和智能供应的一体化智能供应链。智能供应链的核心和基础是智能化的大数据科学。这个报告将通过一系列实例,介绍未来零售及其背后的智能供应链技术和数据科学应用。

报告人简介:

裴健,京东集团副总裁 、京东集团大数据与智能供应链事业部总裁、加拿大西蒙弗雷泽大学计算科学学院教授、统计与精算学系兼职教授、ACM Fellow和IEEE Fellow、ACM SIGKDD(数据挖掘及知识发现专委会)现任主席。他的研究领域为数据科学、大数据、数据挖掘和数据库系统等,擅长为数据密集型应用设计开发创新性的数据业务产品和高效的数据分析技术。因其在数据挖掘基础、方法和应用方面的杰出贡献,裴健获得数据科学领域技术成就最高奖ACM SIGKDD Innovation Award(ACM SIGKDD创新奖)和IEEE ICDM Research Contributions Award(IEEE ICDM研究贡献奖)。他2002年在加拿大西蒙弗雷泽大学获得计算科学博士学位。

 

大会特邀报告

报告人:浣军教授(百度北京大数据实验室主任)

报告题目:AutoDL: 自动设计深度学习网络, 支持开放普惠AI

摘要:

人工智能对于当今社会各方面正在发挥巨大影响。今天AI不仅仅是简单地提高一些行业的效率,而是可以从根本上改变信息、金融、医疗乃至交通、运输等等行业的面貌。某些人类的简单重复性思维(如图像、语音识别),人工智能算法在正确率、持续性和可扩展性上都更具有优势。而从数据上提取更深刻的特征等方面的能力,AI也超过或正在超过人类。在AI的研发中, 设计高效的深度学习网络是一项关键核心能力。此项能力主要掌握在高校和大公司的研发中心。 在这次报告中我们简要介绍百度大数据实验室在利用深度学习来设计深度学习网络结构的工作: AutoDL。利用AutoDL, 我们提出开放普惠AI的理念, 助力AI在各行各业的应用, 支持广大中小初创企业。

报告人简介:

浣军,现任百度北京大数据实验室主任。 回国前担任美国堪萨斯大学电子工程和计算机系Spahr讲席终身职正教授、博士生导师。浣军教授长期从事大数据、 AI、数据挖掘和机器学习的理论、算法和应用的研究。在国际一流学术期刊和顶级国际会议上发表了超过100篇论文。他于2009年获得美国国家科学基金委人才项目NSF CAREER Award。 他的研究组获得 多项最佳论文奖。浣军教授也担任多个美国国家科学基金委、国立卫生研究院大数据、信息与智能系统项目首席研究员。浣军教授担任 IEEE BIBM’15程序委员会主席, ACM KDD’18 Workshop 主席,  和IEEE ICDM’20 程序委员会主席。

大会特邀报告

报告人:陈贵海教授(上海交通大学教授)

报告题目:基于立体精准画像的学术分类与推荐项目简介

摘要:

学术同行评价是国家科技计划组织实施和评审评估的核心环节,全面、合理、精准、可信的学术同行评价有利于促进广大科研人员积极参与科技创新研究工作,进而促进国家的科技发展与进步。本项目基于学术大数据,研究基于立体精准画像的学术分类与推荐系统,以解决当前人工挑选评审专家耗时费力且很难公平公正的问题。针对学者人数众多、数据庞杂对遴选评审专家的挑战,研究并实现科研行为数据库、多维学术画像、精准推荐、可信溯源与隐私保护等一系列前沿关键技术及系统,并在科教领域进行示范应用,形成相关规范和标准,为遴选专家的 “高效化、精准化、可信化” 提供技术支撑。

报告人简介:

陈贵海,上海交通大学教授、博导,CCF会士。主要研究方向为分布式网络与数据处理,包括未来网络系统与协议、无线网络结构与优化、物联网与传感网、新型计算机体系结构、数据中心核心技术、数据分析与处理等。已发表论文450余篇。Google Scholar引用10000余次,单篇论文最高引用1000余次。多次获得国际会议论文奖,包括2009年MOBICOM最佳展示提名奖、2011年INFOCOM学生最佳展示一等奖、2014年ICCS最佳学生论文奖、2014年AAMAS全球交易代理竞赛冠军、2015年ICNP最佳论文奖、2016年ICPADS最佳论文奖、2016年CloudComp最佳论文奖、2017年DSAFA最佳论文奖、2017年INFOCOM最佳论文提名奖。现任中国计算机学会分布计算与系统专委会主任,担任国际学术会议的程序委员或主席60余次。曾获多种奖励,包括2002年教育部高校青年教师奖、2003年国家自然科学基金委员会项目特优评价、2004年中创软件人才奖、2005年南京市人民政府颁发的留学回国人员特殊贡献奖、2006年江苏省六大人才高峰称号、2008年国家杰出青年科学基金、2011年国务院政府特殊津贴、2015年教育部自然科学一等奖等(第一完成人)。

大会特邀报告

报告人:徐洁教授(大数据科学与脑机智能高精尖创新中心首席科学家)

报告题目:Distributed Computing at Scale: The long-tail problem in a computer system with hundreds of thousands of servers  

摘要:

This talk will address the long-tail problem in a computer system with hundreds of thousands of distributed servers, such as Google’s Cloud datacenter and Alibaba’s Fuxi system. The system is able to run tasks of an application in parallel and hence execute the application rapidly. However, when the application contains many tasks (e.g. from hundreds to thousands),there will be always a small numberof the tasks that make slow or no progress (i.e. forming a long tail), thereby affecting the completion of the application. The industry developed some simple solutions, including kill and re-try, massive task clones, and speculative execution, which are costly and ineffective.

Wefirst investigated the root causes of the long-tail problem by analyzing real-world datacenter tracelogs, including operational data sets from Google, Alibaba and Adapt (UK), anddeveloped a system model that captures a datacenter’sbehavioural characteristics. The model was then trained extensively using the tracelogs, able to predict the system’s run-time behavior in an accurate fashion. Tasks can be now scheduled intelligently based on the behavioural prediction, leading to the efficient execution of an application and at the same time the efficient utilisation of server resources.

报告人简介:

Jie Xu is Chair of Computing at the University of Leeds, Executive Board Member of UK Computing Research Committee (UKCRC), and Director of the EPSRC-funded White Rose Grid e-Science Centre, involving the three White Rose Universities of Leeds, Sheffield and York. He was Head of the Institute for Computational and Systems Science at Leeds, and is now Head of Distributed Systems and Services. He has worked in the field of Distributed Computing Systems for over thirty-five years and had industrial experience in building large-scale networked computer systems. Professor Xu now leads a collaborative research team investigating fundamental theories and models for distributed computing systems, and developing advanced Internet and Cloud technologies with a focus on complex system engineering (e.g. with Rolls-Royce and JLR), energy-efficient computing (e.g. with Google and Alibaba), dependable and secure collaboration (e.g. large-scale data processing and analysis for social science and e-healthcare applications with TPP and X-Lab Ltd), and evolving system architectures (e.g. with BAE Systems).

Professor Xu has led or co-led research projects worth a total of over £25M, mainly from the UK Research Councils, TSB/DTI/InnovateUK, JISC and industrial sources, and was the PI of an EPSRC Platform grant. He has published more than 300 academic papers in areas largely related to exploring and building dependable distributed systems, and received many research awards, including the BCS/IEE Brendan Murphy Prize 2001 for the best work in distributed systems and networks, the latest Kane Kim Memorial Prize from IEEE ISORC in 2012, IEEE ISADS Industrial App Award, and IEEE SOSE best paper award. He is an executive board member of several IEEE conferences and TCs, and advises universities such as CUHK and PolyUHK for their research assessment, UK governmental agencies such as EPSRC and DTI (InnovateUK), and industrial leaders including Lenovo, Huawei, and Alibaba. He is the co-founder and director of Edgetic Ltd (UK), a university’s spin-out company, which was awarded a cash investment of over £1.1M in 2017.

Professor Xu received a PhD in Computing Science from the University of Newcastle upon Tyne, and moved to the University of Durham in 1998 as the head founder of the Durham Distributed Systems Engineering group. He was Professor of Distributed Systems at Durham before he joined in 2004 the School of Computing at Leeds.He is also a visiting/guest professor at the University of Newcastle upon Tyne, Beihang University, NUDT, and Chongqing University in China.

大会特邀报告

报告人:于辰涛教授(联想大数据业务执行总监)

报告题目:联想工业大数据平台的技术创新及产业实践

Lenovo Industrial Big Data Platform Innovation and Practice

摘要:

通过工业大数据技术突破,如何帮助中国骨干企业实现IT和OT领域的智能制造数字化转型。通过工业物联网技术,实现生产和制造领域的现场接入,实时决策和智能化机理优化。突破数据内存计算引擎,实现平台10x~100x相对于开源产品性能提升,构建千亿级数据的多表秒级即时分析能力。通过人工智能和机理模型,帮助数十个企业构建全面产线优化,供应优化,用户营销和客服优化能力。

To help the Chinese key enterprises to achieve the digital transformation in both and IT and OT area with industrial big data technology breakthrough. To establish the capabilities of field data acquisition of production and manufacturing, real time decision and intelligent mechanism optimization with industrial IOT technologies. To achieve the second-level real time computing and 10x~100x performance improvement comparing with mainstream platform under 100B scale association query scenario with in-memory computing technology breakthrough. To enable the comprehensive production line optimization, supply chain optimization, marketing and services optimization of dozens enterprise with AI and mechanism models

报告人简介:

现任联想大数据业务执行总监,首席研究员,中关村领军人才及教授级高工, 个人申请专利110余件。主导设计了联想全球制造大数据平台,为联想全球2亿台设备,数百个内外部软件系统,31个工厂提供了全流程供应链管控和产品全生命周期优化能力,并帮助数十个国有骨干企业进行工业大数据创新实践,帮助联想获得中国大数据十佳,CPS试点示范,Kaggle全球金奖等诸多奖项。

Yu Chentao is the executive director, distinguished researcher of Lenovo, Zhongguancun’s leading talent, professorate senior engineer who was granted 110+ patents. He led the design of Lenovo Global Manufacturing Big Data platform which supported the globalized supply chain management and entire product lifecycle optimization of 200M+ devices, hundreds of IT systems and globally distributed 31 factories. Under his leadership, Lenovo Big Data team empowered dozens of state-owned key enterprises with sharing Lenovo successful practice. With his great efforts and achievements, Lenovo won the awards of Top 10 Big Data Solution, CPS pilot demonstration project, Kaggle Gold Award, etc.

大会特邀报告

报告人:王坚 (阿里巴巴集团技术委员会主席)

报告题目:城市大脑与数据资源

报告人简介:

王坚,阿里巴巴集团技术委员会主席,阿里云创始人,云栖小镇及雪浪小镇创立者、“名誉镇长”,人称“博士”。2008年9月,加入阿里巴巴集团担任首席架构师一职,负责集团技术架构以及基础技术平台建设。2009年9月,创建阿里云计算公司并任总裁,领导团队自主研发了大规模分布式计算系统——“飞天”,建立了互联网规模的通用计算平台,完成了云计算公共服务的商业化。同年提出并主导了阿里巴巴集团“去IOE”战略。2010年8月开始,率领团队孵化并打造了YunOS,建立起商业化的操作系统平台,用于手机、汽车和电视等智能设备。2012年9月,被任命为阿里巴巴集团首席技术官。2014年,成立了跨杭州和西雅图的iDST(Institute of Data Science & Technologies),从事前瞻性研究。2013年年初,在杭州发起创立云栖小镇,为年轻人打造不一样的创业创新环境。2016年4月,在云栖小镇提出了城市大脑设想和构架,并在杭州开始建设,让城市大脑像电网和交通设施一样,成为未来城市新的基础设施。2017年8月,在无锡发起创立雪浪小镇,推动制造业和互联网相互融合,让互联网和数据成为制造业的新基础。加入阿里巴巴集团前,王坚曾任微软亚洲研究院常务副院长,曾是杭州大学、浙江大学心理学系教授,博士生导师兼系主任。2014年,荣获“中央电视台年度全国十大科技创新人物”称号。

大会特邀报告

报告人:吴信东教授(明略数据首席科学家和副总裁)

报告题目:大数据知识工程

摘要:

大数据面向异构自治的多源海量数据, 旨在挖掘数据间复杂且演化的关联。大数据知识工程(BigKE)从大数据的 HACE定理开始, 从大知识建模的角度,旨在利用海量、低质、无序的碎片化知识来构建新型的知识生成和知识服务平台。不同于依靠领域专家的传统知识工程,BigKE除权威知识源以外,知识主要来源于用户生成内容(UGC: User-Generated Contents),具有海量异质的特点,知识库需要自完善与增殖能力,问题求解过程根据用户交互进行学习。本报告介绍HACE定理、BigKE模型,从大数据到大知识的角度,分析和例证行业人工智能研发中的大知识服务。

报告人简介:

吴信东,明略数据首席科学家和副总裁,长江学者、IEEE Fellow、AAAS Fellow,国家重点研发计划重点专项项目“大数据知识工程基础理论及其应用研究”首席科学家。因为在数据挖掘及其应用领域的先驱性贡献(“for pioneering contributions to data mining and applications”),2012年获IEEE计算机学会技术进步奖。 KAIS (Knowledge and Information Systems) 期刊主编和TKDD (ACM Transactions on Knowledge Discovery from Data)的联合主编,数据挖掘国际会议ICDM(IEEE International Conference on Data Mining)的创办人和指导委员会主席 。2005年1月至2008年12月,担任《IEEE Transactions on Knowledge and Data Engineering》(TKDE)两届主编。2014年获IEEE ICDM十年最有影响力论文奖和中国计算机学会优秀博士学位论文奖(导师)。

大会特邀报告

报告人:王建民教授(清华大学软件学院院长)

报告题目:“清华数为”大数据软件栈及其核心构件

摘要:

针对大数据系统软件开源生态发展现状、大数据系统软件技术与领域应用发展的迫切需求与工程化瓶颈,系统地介绍了大数据系统软件共性技术的研发思路,以及大数据系统软件国家工程验室研制的“数为平台”的技术架构及其核心构件,并分享在工业制造业、气象环保服务领域开展应用验证情况。

报告人简介:

王建民博士,清华大学教授,博导,软件学院院长,清华大学信息学院副院长,清华大学数据科学研究院管委会副主任、副院长,大数据系统软件国家工程实验室执行主任、工业大数据系统与应用北京市重点实验室主任。国家杰出青年科学基金获得者、国家政府特殊津贴获得者。全国信息安全标准化技术委员会大数据安全标准特别工作组组长(2016年起)。ISO/IEC JTC1 大数据研究组(SGBD)成员(2014年起),IEEE 过程挖掘任务组(IEEE Task Force on Process Mining)成员(2009 年起) ,《计算机集成制造系统》杂志(EI 源刊) 副主编(2009 年起),中国计算机学会数据库专委会委员(2006 年起),大数据专委会委员(2012 年起)。

大会特邀报告

报告人:李涓子教授(清华大学教授)

报告题目:知识引擎:让知识赋能机器智能

报告人简介:

李涓子,博士,清华大学长聘教授。中国中文信息学会语言与知识计算专委会主任。研究方向为知识工程、语义Web和文本挖掘。获得 2017年北京市科技进步一等奖,2013 年人工智能学会科技进步一等奖,2011 年王选新闻科学技术进步奖一等奖。

大会特邀报告

报告人:赫然博士(中科院自动化所模式识别国家重点实验室研究员)

报告题目:视觉大数据生成

摘要:

视觉大数据是大数据的重要组成部分,其生成是通过对图像或视频的内容进行重组或再生,进而创造出在内容或表观上完全不同的视觉数据。无论是在影视、文化、艺术和安全等领域,还是在人们的日常生活中,视觉大数据生成都有着广泛的应用。由于视觉数据维度高、体量大,因此生成高维、真实的图像和视频数据一直是机器学习和计算机视觉等领域的重要研究内容和长期研究目标。本报告介绍视觉大数据生成相关的视觉信息采集、视觉认知机理和概率学习模型(生成对抗网络和变分自编码机),从机器学习理论到视觉应用方法,分析视觉大数据的智能行业需求以及对人工智能发展的影响。

报告人简介:

赫然,博士,中科院自动化所模式识别国家重点实验室研究员,中科院脑科学与智能技术卓越创新中心年轻骨干,中科院大学人工智能技术学院模式识别教研室副主任、中国图象图形学会视觉大数据专委会秘书长、北京图象图形学会理事。从事模式识别基础理论研究,从信息理论角度开展图像模式分析方法研究,并应用到生物特征识别和智能视频监控,并在面向智慧城市监管需求的系统平台上取得成功应用。近期主要聚焦生成式深度学习以及视觉大数据中的瓶颈问题展开理论研究。出版信息理论学习专著1部;在IEEE TPAMI、TIP、TIFS、TNNLS、TKDE等权威国际期刊以及ICCV、CVPR、NIPS、IJCAI、SIGIR等权威国际会议发表论文130篇,研究工作获得国家自然科学基金优秀青年科学基金资助。

大会特邀报告

报告人:朱其立教授(上海交通大学教授)

报告题目:Knowledge Base Question Answering via Encoding of Complex Query Graphs
摘要:

Answering complex questions that involve multiple entities and multiple relations using a standard knowledge base is an open and challenging task. Most existing KBQA approaches focus on simpler questions and do not work very well on complex questions because they were not able to simultaneously represent the question and the corresponding complex query structure.
In this work, we encode such complex query structure into a uniform vector  representation, and thus successfully capture the interactions between individual semantic components within a complex question. This approach consistently outperforms existing methods on complex questions while staying competitive on simple questions.  

报告人简介:

Kenny Qili Zhu is a Professor of computer science at Shanghai Jiao Tong University. He graduated with B.Eng (Hons) in Electrical Engineering in 1999 and PhD in Computer Science in 2005 from National University of Singapore. He was a postdoctoral researcher and lecturer from 2007 to 2009 at Princeton University. Prior to that, he was a software design engineer at Microsoft, Redmond, WA. From Feb 2010 to Aug 2010, he was a visiting professor at Microsoft Research Asia in Beijing. Kenny's current research interests are natural language processing and knowledge engineering. He has published extensively in databases, AI and programming languages at top venues such as ACL, EMNLP, AAAI, IJCAI, SIGMOD, KDD, CIKM, ICDE. He has served on the PC of AAAI, IJCAI, WWW, CIKM, ECML, COLING, SAC, WAIM, APLAS and NDBC, etc. His research has been supported by NSF China, MOE China, Microsoft, Google, Oracle, Morgan Stanley and AstraZeneca. Kenny is the winner of the 2013 Google Faculty Research Award and 2014 DASFAA Best Paper Award.

会议联系人:

马帅

电话Phone: 010-82338293

邮箱Email: mashuai@act.buaa.edu.cn

董仙慧

电话Phone: 010-82338234

邮箱Email: dongxh@buaa.edu.cn

 

长按识别二维码

立即关注官方微信