论坛名称：计算机科学与技术学院研究生学术年会——专家报告
论坛时间：2020-11-25 14:30
会议地点：北校区主楼二区319报告厅
主办单位：计算机科学与技术学院
报告1：面向智能交通的大数据管理：数据结构、算法、与架构
讲座人介绍：
谢希科，中国科学技术大学苏州研究院教授，博士生导师，中国计算机学会数据库专委会委员。主要从事大数据管理分析、机器学习等方向的研究工作。在相关领域发表论文60篇，其中CCF推荐A类论文30余篇。为数据管理领域顶级期刊 (包括TODS，VLDBJ，TKDE) 担任审稿工作，曾任20多个国际会议(包括PVLDB，SIGIR，AAAI等)的程序委员会委员。目前主持国家自然科学基金2项、合作主持欧盟Erasmus计划等项目。
讲座内容：
移动通信和定位技术的快速发展催生了新型的交通数据分析和处理技术；同时随着数据规模和相应密集型计算任务需求的增加，数据管理技术也面临一系列挑战。讲者将介绍和探讨在交通大数据方面所作的系列相关工作，包括数据感知与恢复、查询优化、以及上层数据应用。另外，讲者将介绍关于高可扩展性和弹性的两个自研系统，以此为上层数据操作和应用提供高效率接口。第一个数据系统是Elite，它利用P2P和并行计算来管理轨迹数据流，并实现了存储和计算资源的弹性。第二个系统是GPUGraphX，它是一个开源数据中间件，其作用是联接异构高性能计算资源和分布式大图系统，同步实现计算资源的水平和向上扩展（Scaling-up和Scaling-out）。
报告2：推荐系统前沿技术进展及展望
讲座人介绍：
何秀强，现任华为诺亚方舟实验室推荐与搜索实验室主任，技术专家，资深研究员。2010年毕业于香港科技大学，主要研究方向为推荐系统、搜索引擎、机器学习算法等，在相关领域国际会议上发表论文超过30篇。2018-2019年任职腾讯，担任专家研究员。
讲座内容：
推荐系统是商业化最成功的机器学习技术，无论是淘宝购物，抖音刷视频，头条看新闻，应用商城下载App，以及无处不在的广告，背后都是个性化推荐算法在起作用。推荐算法是一个超大规模稀疏数据机器学习问题，也是学术界和工业界持续研究的热点，AI技术的蓬勃发展也推动了推荐系统及算法的快速演进和迭代，各类新技术层出不穷。本次讲座将介绍推荐算法的最新技术进展，包括深度学习、AutoML、GNN、反事实/因果学习等技术方向，同时介绍华为诺亚团队在相关领域的最新研究成果，并对推荐系统未来技术趋势进行分析和展望。
