CNCC 2019 第二天：机器学习与数据挖掘论坛

论坛介绍

近年来，机器学习与数据挖掘成为计算机科学领域的重要研究方向。机器学习通过分析样本数据来获取知识和规律，并应用于实际的决策过程，是一种数据驱动的方法。数据挖掘则旨在从大量数据库中发现隐藏的、未知且有价值的模式。两者既有联系也有区别。本次论坛将聚焦于机器学习与数据挖掘领域的最新研究成果，同时回顾过去几十年的经典算法，并邀请业内知名专家共同探讨未来的研究方向。

主讲嘉宾及报告内容

俞士纶

俞士纶教授将在论坛上分享关于“脑网络中的深度与广度学习”的主题报告。他将重点介绍如何利用现代成像技术构建脑网络模型，并探讨如何通过子图挖掘技术来识别脑网络中的连接模式，从而更好地理解和诊断神经系统疾病。

个人简介

俞士纶教授是美国伊利诺伊大学芝加哥分校(UIC)特聘教授，同时也是美国计算机学会(ACM)和美国电气电子工程师学会(IEEE)的院士。他在IBM Watson研究中心工作多年，建立了知名的数据挖掘和数据管理部门，拥有超过300项专利。他的研究兴趣主要包括数据挖掘、隐私保护和数据流等领域。

熊辉

熊辉教授将介绍一些经典的聚类算法，例如K均值算法。他将探讨这些算法背后的灵感来源，并展示它们在日常生活中的应用，以帮助人们做出更加有效的决策。

个人简介

熊辉教授是美国罗格斯－新泽西州立大学的终身正教授，同时也是百度商业智能实验室和百度人才智库的主任。他的主要研究领域包括数据挖掘、商业智能和管理大数据。他曾获得多项荣誉，包括ACM杰出科学家、中国教育部长江讲座教授等。

王立威

王立威教授将分享机器学习领域的经典理论和算法，特别是支持向量机(SVM)和提升算法(boosting)。他将介绍这些算法的思想来源和发展历程，并讨论如何在实际应用中选择合适的算法。此外，他还将在报告中分享自己对深度学习与理论关系的看法。

个人简介

王立威教授是北京大学信息科学技术学院的教授，主要从事机器学习理论研究。他在机器学习国际权威期刊和会议上发表了多篇高水平论文，担任机器学习与计算机视觉顶级期刊IEEE TPAMI的编委，并多次担任国际机器学习旗舰会议NeurIPS (NIPS)与ICML的范畴主席。

陈卫

陈卫教授将讲解如何将经典的影响力最大化算法应用于社交网络场景。他将首先介绍影响力最大化的核心问题和主要研究成果，然后通过几个实例展示如何将传统的贪婪算法、Dijkstra最短路径算法和UCB算法等集成到影响力最大化算法中，并讨论这些算法在新环境下的应用挑战及其解决方案。

个人简介

陈卫教授是微软亚洲研究院的首席研究员，也是清华大学和中国科学院的兼职教授。他的研究兴趣包括社交网络、信息传播和网络经济学等领域。他主持研发了多个在国际上具有影响力的项目，并在顶级会议和期刊上发表了大量研究成果。

唐杰

唐杰教授将介绍图神经网络(GNN)及其应用。他将回顾图卷积网络(GCN)的发展历程，并讨论如何提高其在图数据上的表示学习能力。他的研究发现了一些有效的方法，这些方法可以被视作图注意力网络(GAT)，并在多个大规模数据集中得到了验证。

个人简介

唐杰教授是清华大学计算机系的教授兼系副主任，他的研究方向包括数据挖掘、社交网络和知识图谱。他在国内外顶级期刊和会议上发表了200多篇论文，引用次数超过10000次。他研发的AMiner系统吸引了来自220多个国家和地区的1000多万独立用户访问。

论坛主席

林俊宇

林俊宇博士是中科院信息工程研究所的副研究员，兼任中国计算机学会(CCF)理事和高级会员。他的研究方向包括网络安全、未来网络和知识工程，目前主持多个科研项目，并已取得多项发明专利和软件著作权。

唐杰

唐杰教授同样担任论坛主席，他也是清华大学计算机系的教授兼系副主任。他的研究领域包括数据挖掘、社交网络和知识图谱。他曾主持研发多个国际知名的项目，并获得了多项荣誉和奖项。

CCF推荐

【精品文章】

• 基于手机终端的计算机视觉技术发展挑战与机遇
• 智能+医疗健康，赋能健康中国暨第六届智慧医疗健康论坛
• 海洋大数据与大数据海洋学——计算机科学与海洋科学的交叉探索
• CHAT3？：CNCC攻防演练秀的AI美之旅