报名 | 大咖云集,清华方圆系列之大数据分析与可视化报告会

本文主要是介绍报名 | 大咖云集,清华方圆系列之大数据分析与可视化报告会,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

640?wx_fmt=png


2019年4月4日,清华大学人工智能研究院知识智能研究中心联合北京智源人工智能研究院将在清华大学FIT楼举行“方圆系列报告会之大数据分析与可视化”,届时将有多位大数据挖掘-数据可视化学界教授出席活动并做学术演讲。


科学可视化到信息可视化再到可视分析,从三维空间数据强调线、面、体等几何拓扑结构到抽象数据包括数值数据和非数值数据文本、图像、层次结构等,再到融合数据表达与分析、人机交互和可视化等技术推动分析决策。数据可视化是艺术也是科学。


在此,知识智能研究中心和北京智源人工智能研究院诚邀您参与此次活动,共同探索可视化科学的艺术。


点击文末小程序即可报名~


1.  活动当天日程安排


640?wx_fmt=png


2. 演讲嘉宾介绍


640?wx_fmt=png


嘉宾介绍:


清华大学副教授,主要研究方向是可视分析、文本挖掘工作和信息可视化。担任CCF A类会议IEEE VIS(VAST)2016和2017的论文主席;担任IEEE Transactions on Visualization and Computer Graphics的副主编(Associated Editor-in-Chief);担任IEEE Transactions on Big Data编委(Associate editor);担任国际可视化会议IEEE Pacific Visualization 2015的程序委员会主席。同时也是Information Visualization期刊的编委,以及多个国际会议的程序委员会委员,如InfoVis、VAST、CHI、KDD、ACM Multimedia、ACM IUI、SDM和PacificVis等。担任IEEE VIS 2014 Meetup共同主席(IEEE VIS组织委员会)和IEEE VIS 2015 Tutorial共同主席(IEEE VIS组织委员会)。


640?wx_fmt=png


嘉宾介绍:


陈为,浙江大学计算机学院教授。研究兴趣是大数据分析和人机混合智能。发表论文多篇,出版教材多部。


报告摘要:理解和利用数据是信息技术发展的迫切需求,数据可视化为人类洞察数据的内涵、理解数据蕴藏的规律提供了重要的手段和高效的人机界面,是数据分析的一种手段。也是人机融合智能的核心要素。本次报告将介绍数据可视化的基本概念以及大数据时代下的可视分析的内涵,阐述可视化学术界的近期关注重点,并展示面向智慧地球、商业智能、数据新闻等应用的可视分析案例,如:空气污染传感器数据可视分析、出租车轨迹数据可视查询、多变量统计数据分布的定量可视分析、城市多维信息可视分析、国家气象局三维大气可视分析原型平台、数据新闻可视化等。


640?wx_fmt=png


嘉宾介绍:


同济大学教授,博士生导师,同济大学“智能大数据可视化实验室”主任。毕业自香港科技大学并获得计算机博士学位。加入同济前,曾担任美国IBM沃森研究院研究员以及IBM全球可视化及图形学会共同主席。曾获得IBM杰出技术成就奖、IBM杰出研究成就奖、以及多项IBM创新成就奖。累计在数据可视化及相关领域的重要国际学术期刊及会议上发表论文60余篇,累计申请专利数十项,曾获得ACM智能用户界面国际大会(ACM IUI)最佳论文奖、IEEE国际可视分析大会(IEEE VAST)最佳论文提名奖,“微软最有价值专家”称号,“ACM上海新星奖”,以及香港科技大学工学院“杰出博士研究奖”。还曾担任IEEE VAST、AAAI、IJCAI、SDM等可视化、人工智能、及数据挖掘领域诸多顶级国际学术会议的程序委员会委员,以及重要学术期刊,如IEEE TMM、ACM TIIS和ACM TIST的客座编委。


640?wx_fmt=png


嘉宾介绍:


中国人民大学信息学院计算机系讲师,博士毕业于清华大学计算机科学与技术系,师从唐杰老师与李涓子老师研究社会网络挖掘。在数据挖掘相关的国际重要会议与期刊上发表论文30余篇,其中包括多篇KDD、TKDE、TKDD、IJCAI、AAAI等国际顶级期刊与会议论文。Google统计论文引用量达2600多次。在读期间访问美国伊利诺伊香槟分校韩家炜教授,获国家奖学金等多项奖学金。担任过多个国际著名会议,如KDD、IJCAI、ICDM和CIKM等的程序委员会委员。


报名方式


点击小程序即可报名


640?wx_fmt=png640?wx_fmt=jpeg

这篇关于报名 | 大咖云集,清华方圆系列之大数据分析与可视化报告会的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/901575

相关文章

基于Python打造一个可视化FTP服务器

《基于Python打造一个可视化FTP服务器》在日常办公和团队协作中,文件共享是一个不可或缺的需求,所以本文将使用Python+Tkinter+pyftpdlib开发一款可视化FTP服务器,有需要的小... 目录1. 概述2. 功能介绍3. 如何使用4. 代码解析5. 运行效果6.相关源码7. 总结与展望1

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

使用Folium在Python中进行地图可视化的操作指南

《使用Folium在Python中进行地图可视化的操作指南》在数据分析和可视化领域,地图可视化是一项非常重要的技能,它能够帮助我们更直观地理解和展示地理空间数据,Folium是一个基于Python的地... 目录引言一、Folium简介与安装1. Folium简介2. 安装Folium二、基础使用1. 创建

基于Python开发PDF转PNG的可视化工具

《基于Python开发PDF转PNG的可视化工具》在数字文档处理领域,PDF到图像格式的转换是常见需求,本文介绍如何利用Python的PyMuPDF库和Tkinter框架开发一个带图形界面的PDF转P... 目录一、引言二、功能特性三、技术架构1. 技术栈组成2. 系统架构javascript设计3.效果图

Python中的可视化设计与UI界面实现

《Python中的可视化设计与UI界面实现》本文介绍了如何使用Python创建用户界面(UI),包括使用Tkinter、PyQt、Kivy等库进行基本窗口、动态图表和动画效果的实现,通过示例代码,展示... 目录从像素到界面:python带你玩转UI设计示例:使用Tkinter创建一个简单的窗口绘图魔法:用

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

flume系列之:查看flume系统日志、查看统计flume日志类型、查看flume日志

遍历指定目录下多个文件查找指定内容 服务器系统日志会记录flume相关日志 cat /var/log/messages |grep -i oom 查找系统日志中关于flume的指定日志 import osdef search_string_in_files(directory, search_string):count = 0

GPT系列之:GPT-1,GPT-2,GPT-3详细解读

一、GPT1 论文:Improving Language Understanding by Generative Pre-Training 链接:https://cdn.openai.com/research-covers/languageunsupervised/language_understanding_paper.pdf 启发点:生成loss和微调loss同时作用,让下游任务来适应预训