Close

操龙兵教授学术报告会


发表日期:2019-07-03 作者:

操龙兵教授学术报告会

 

报告题目Statistical Learning of Large-scale, Sparse and Multi-source data

报告人:操龙兵

报告时间201974日(周四)下午 14:30

报告地点:安徽大学磬苑校区理工D312会议室

Real-life big data is often very large, sparse, and multi-sourced. Such big data challenges widely appear in almost all big data applications including finance, communications, e-commerce, and social networks. Traditional statistical learning methods face significant problems because of the intensive mathematical computation and inference required. A recent direction in statistical learning is to develop efficient statistical methods to learn complex big data, requiring handling the bigness, high sparsity, heterogeneity and coupling in both observable and hidden spaces. Accordingly, this talk introduces some new statistical models for tackling such challenges on large, sparse and multi-source data with efficient Bayesian inference methods, in addition to its applications to large-scale and sparse recommendation and some new directions of statistically learning complex big data problems.

 

主办单位:计算机科学与技术学院

欢迎各位老师、同学届时前往!

科学技术处

201973

报告人简介:

操龙兵,中科院自动化所模式识别与智能系统博士、悉尼科技大学计算科学博士,悉尼科技大学工程与信息技术学院教授,悉尼科技大学先进分析研究所创始人。提出与侧重研究的主要问题包括非独立同分布学习(Non-IIDLearning)、行为信息学(Behavior Informatics)、决策知识发现(ActionableKnowledge Discovery),主要的研究兴趣还涉及数据挖掘、机器学习、人工智能与智能系统等领域中一些普遍关注的问题。在上述方向发表专著5部、论文300余篇。比较早地在国际上推动数据科学与分析学的产、学、研工作,在2007年成立澳洲第一个数据科学与知识发现实验室;2011创立世界上第一个分析学(Analytics)研究硕士学位与博士学位;2011所创立的先进分析研究所是澳洲政府发布的关于大数据策略与更好的大数据实践等白皮书中唯一一个被特别介绍的机构;2015年在Springer创立International Journal of Data Science and Analytics他是KDD2015等多个大会主席或程序委员会主席。在大数据分析应用方面,得到诸多政府、大型企业、国际知名运营商的合作支持,项目涉及金融与资本市场监管与投资,金融危机与跨市场研究,财政、社保、医保、税务、统计、审计、知识产权等政府业务,电商与零售分析,银行反洗钱、网银与支票风控,多种银行业务,寿险与车险风控,航空常旅客管理,电信经营分析决策,教育与学习行为分析与管理,以及交通与出版等多个行业。他的团队所从事的大数据分析项目在相关媒体、政府与经合组织等报告中被提及,为相关政府与企业创造的直接经济效益以数十亿元计。

 

操龙兵教授学术报告会(2017.7.4).docx