深度交流、融合发展—数据科学研究院各研究领域2017年度工作交流会如期举办

来自工业、医疗健康、经济金融、交通、基础设施、计算心理健康、科技情报数据、二维码安全技术、智慧城市、遥感等各科研代表们通过此次工作交流会,对现有的科研成果进行了分享,也借机了解到了其他领域老师的研究进展。同时,此次交流会也提供一个契机,让清华大学各院系大数据领域的老师们能够充分沟通,打破学术壁垒,实现大数据研究的融合发展。

部分与会老师合影

工业大数据研究中心科研代表刘英博老师表示:“科研人员在做研究项目的过程中,很多时候会涉及到与其他学科相重叠的地方。然而术业有专攻,单凭一己之力肯定会遇到不少阻碍,因此与其他学科的跨领域合作非常重要。此次工作交流会对我来说意义很大:一方面,平时我都更专注在自己的领域,今天的会议能让我集中性地了解到大数据在各个研究领域取得的成果与进展,会让接下来的研究工作更有效率;二是通过此次交流会,我发现工业上对机器运行图像处理的方法与医疗健康大数据研究中心对心电图图像的处理方法有异曲同工之处,很受启发。”

作为2017年刚刚成立的交通大数据研究中心的科研代表,清华大学交通研究所李瑞敏老师全程参与,认真听取了各领域老师的汇报工作。他说道:“作为今年新成立的中心,交通大数据研究中心是带着学习的心态来的。一天的交流会让我很有收获,在平时的工作中很难获得如此全面的信息。同时,各个科研中心利用大数据技术对不同行业进行改造的成绩也让我倍感压力,促使我思考如何更好地让清华的技术走出去,真正服务于各省交通管理部门。

在热烈的讨论过程中,2017年度清华-青岛数据科学研究院各研究领域工作交流会圆满落下帷幕。韩亦舜执行副院长总结道:“今年工作交流会和去年相比还是有很大不同的。一是今年来自于产业界的参会老师明显比往年多,说明我们与产业更加‘融合’,这体现了数据院“产学研”相结合的初衷。此外,2017年新成立的三个研究中心,其科研方向都更加偏向于应用场景,这也体现了数据院致力于将大数据技术应用于行业,更好地服务社会的理念。

各研究中心汇报成果如下:

大数据基础设施研究中心——汇报人:徐葳老师

徐葳老师以“大数据的IT和CT融合”为主题,介绍了中心四个研究方向:数据中心网络、数据中心故障分析及运维知识收取、区块链中的共识算法和保护隐私的多方安全计算。此外,徐葳老师也分享了他在试点网络建设方向的研究心得,依托于“医疗影像的数据互联”与“中证检测证券大数据”两个项目,从应用成本的角度指出了大数据对广域网的新需求,引起各参会老师的热烈讨论。王建民副院长从政府管理、政策解读的角度,对此技术在金融征信领域的应用机会进行点评。

大数据基础设施研究中心学科带头人徐葳老师以“大数据的IT和CT融合”为主题作汇报

二维码安全技术研究中心——汇报人:沈维老师

沈维老师以“TrustCode”项目作为切入点,与在座老师就《二维码的运作模式及未来价值》话题深度沟通。他谈到,二维码安全需要借助“技术”及“数据”为依托点,落地在实际应用方面。因此,二维码安全技术与其他学科的相互合作显得尤为重要。本中心希望通过对二维码安全技术研究,能够在我国建立起一个规范标准,有效赋能给其他行业,同时实现数据共享。

二维码安全技术研究中心学科带头人沈维老师介绍“TrustCode”项目

医疗健康大数据研究中心——汇报人:陈挺老师

陈挺老师做了题为《人工智能医生》的主题汇报。中心研究目标是:以患者情况为核心,建立一个可持续的人工智能系统,以实现临床支持,基因测序检测支持等。目前,中心已经完成中文医学自然语言处理框架、医学文本分析系统、基于电子病例的机器学习模型以及UMLS,SNOMED CT中文翻译等工作,将在下一年着力在ICD智能编码系统、全科导诊系统以及罕见病智能诊断系统等方向。陈挺老师还就“基于病案首页的费用预测”项目中所遇到的“编码罕见”等技术难点与在场老师们进行了讨论。此外他也特别提到数据院在获取医疗数据环节提供的大力支持,极大推动了科研工作的进展。韩亦舜执行副院长在此环节清华长庚医院为例,介绍医院数据开放共享、多中心单病种数据平台工作的进展。

医疗健康大数据研究中心学科带头人陈挺老师以“人工智能医生”为主题作汇报

计算心理健康研究中心——汇报人:冯铃老师

冯铃老师以《大数据下的智能辅导员》为主题介绍中心工作。在感知压力方面,中心对传统心理学量表、穿戴设备所检测的生理信号以及社交网络中的在线遗书等数据进行分析,以监测压力并判断压力类型和级别。在疏导压力方面,中心构建了“清华帮”平台,通过分析用户在平台上发布的带有文字、图片及发布时间等信息,有效实现压力疏导。随后,其他科研中心代表与冯铃老师进行了深入讨论,包括开发前后的用户测试与评价等话题,场上气氛走向高潮。

计算心理健康研究中心学科带头人冯铃老师以“大数据下的智能辅导员”为主题作汇报

科技大数据研究中心——汇报人:唐杰老师

唐杰老师做题为《如何进行科技情报挖掘和智能服务》的发言。中心2018年度的主要研究方向是通过智能系统将极大数量的文献资料及科技工作者的评论分析语义化,实现自动挖掘学者画像及知识图谱。2017年的中心主要工作成果包括:从理论上实现了高质量的语义内容生成理论、知识驱动的智能推荐技术以及基于隐含语义的大规模网络排序等;从实践上进一步了巩固智能搜索服务,并加入了技术发展趋势分析,能够更好地为全国科研人员、政府科研管理部门以及BAT、华为等需要科研咨询的大型企业提供支持。

科技大数据研究中心唐杰老师做题为《如何进行科技情报挖掘和智能服务》的发言

智慧城市大数据研究中心——汇报人:邢春晓老师

邢春晓老师特意从外地赶来,他从《智慧城市大数据分析与利用》角度切入,指出大数据是城市信息基础设施与智能应用之间桥梁,在宏观观测、微观分析、聚集群智以及拓展新应用四个方面均具有推动力。邢春晓老师还分享了自己在本年度的科研成果,包括《中国城乡规划信息化发展报告》、《中国城市发展报告(城市信息化发展报告)》、心血管疾病大数据平台的构建和应用研究等。

智慧城市大数据研究中心学科带头人邢春晓老师特意从外地赶来参与工作交流会

工业大数据研究中心——汇报人:刘英博老师

数据院各研究领域2017年度工作交流会上,刘英博老师从对外联络与社会服务、工业大数据专题应用以及工业大数据系统研发三个方面回顾了工业大数据研究中心在2017年的研究成果。当谈论到在工业大数据领域,在场各位老师也就“机理重要还是算法重要”这个问题展开深度讨论。刘英博老师表示,要具体问题具体分析,机理和算法并不是对立的状态,它们会在不同阶段起到不同作用。此外,刘老师也着重介绍了工业大数据在2017年开发的IotDB平台。

工业大数据研究中心科研代表刘英博老师与在场老师展开讨论

交通大数据研究中心——汇报人:胡庆勇老师

胡庆勇老师代表交通大数据研究中心首先对当前中国的交通形势做了分析,指出交通事故预防工作压力增大、部门间数据壁垒、信息孤岛等严峻问题。随后,他向大家介绍了交通大数据研究中心在2017年的主要工作,包括:1)异构多源交通数据的采集汇聚和清洗融合技术;多类型交通数据的自动特征提取、结构化转换技术及相关标准体系;2)交通管理大数据多级、多域、多架构、多协议兼容应用技术;3)信息快速检索、高效共享、关联分析、深度挖掘;4)可视化等交通管理大数据综合应用服务。

交通大数据研究中心科研代表胡庆勇老师与在场老师展开讨论

遥感大数据研究中心——汇报人:洪阳老师

洪阳老师代表遥感大数据研究中心向大家阐述了2017年的研究方向,包括全球水循环遥感反演理论方法创新与产品研发;多灾害链遥感监测预报理论研究及数据同化模型系统研发以及地空遥感大数据与物联网、人工智能交叉创新研究。当谈论到“现代科学工程的机遇和挑战”这一话题时,各研究中心老师表现出了高涨的热情,积极参与到讨论中。此外,洪阳老师也着重向大家介绍了基于高性能计算集群的遥感大数据平台、卫星遥感大坝形变监测、北斗/GPS环境多要素综合监测系统及大数据服务平台等遥感大数据研究中心在本年度的科研成果。

遥感大数据研究中心学科带头人洪阳老师与在场老师展开讨论

经济金融大数据研究中心——汇报人:呼延如生老师

呼延如生老师代表经济金融大数据研究中心阐述了研究思路,即:寻找一个大数据应用的基本支撑,做一个能够实现大数据融合的平台,随后将该平台推广到经济金融研究的各个方向。作为数据院率先成立的研究中心,经济金融研究中心长期以来一直秉承着数据院24字发展方针,在“商科优势”和“业界联盟”的推动下,做出大数据的指标体系,形成可展示的平台,这是经济金融大数据研究中心在2017的主要工作。随后,呼延如生老师与俞士纶院长就“数据的可持续性”问题进行了探讨。呼延如生表示,各个行业传来的数据都能够帮助我们更好地理解中国经济金融状况,无论是遥感的、交通的、工业的还是医疗的。

经济金融大数据研究中心科研代表呼延如生老师与在场老师展开讨论

原文发布时间为:2017-12-14

时间: 2024-10-23 08:51:52

深度交流、融合发展—数据科学研究院各研究领域2017年度工作交流会如期举办的相关文章

跨学科融合、塑π型人才 数据科学研究院 第二届“RONG”奖学金答辩会成功举办

为服务国家大数据发展战略,打造多层次.多类型的大数据人才队伍,清华-青岛数据科学研究院(以下简称:数据院)"RONG"奖学金答辩会于2017年12月21日成功举办.数据院大数据能力提升项目教育指导委员会主任刘政,研究生院专硕办副主任李鹏辉,数据院执行副院长韩亦舜,数据院"RONG"教授兼社科学院社会学系副教授郑路,数据院教学管理部马洁老师和罗国荣老师作为评委,认真听取了来自于11个专业的15位同学的答辩汇报,并根据同学们的汇报表现逐一进行了点评和指导. "

清华大学数据科学研究院与Cloudera联手发布大数据人才教育项目

根据IDC研究显示,大数据解决方案将在未来四年中,帮助全球企业分享大约1.6万亿美元新增收入的数据红利.在大数据产业发展中,以Hadoop为代表的开源大数据生态成为大数据和云计算的重要技术支撑,有效推动了开源社区的用户和贡献者,带动了技术进步与商业发展.而在全球范围内,大数据行业正在面临数据专业人才短缺的困境. 2016年8月5日,清华大学数据科学研究院("清华数科院")宣布与Cloudera合作. Hadoop之父.Cloudera首席架构师Doug Cutting与清华大学数据科学

院长齐聚,答疑解惑 | 清华-青岛数据科学研究院“院长接待日”成功举办

首先,工业工程系的王明哲同学代表学生大数据研究协会(以下简称:协会),就一年来数据院学生社团工作向院长们做了详细的汇报.协会结合学生大数据知识技能参差不齐.课堂学习效果需要补充.资源交互共享少等现状,制定了以学生为主要服务对象,由学生作为组织者和推进者的"大数据菜鸟进阶之路".希望,依托清华高水平的人才供应,团结一大批热爱数据科学的同学,以逐步完善的制度保证活动质量,以老带新的机制激发长效动力,配合数据院共同完成"顶天.立地.育人"的终极目标. 学生代表汇报工作情况

深度学习如何改变数据科学范式?

深度学习正在改变一切.正如电子和计算机改变了人类所有的经济活动一样,人工智能将重塑零售业.交通运输业.制造业.医药.电信业.重工业--甚至数据科学本身.而且,像AlphaGo这种人工智能超越人类的领域及其应用在不断增长.在Schibsted,Manuel Sánchez Hernández看到了深度学习所提供的机会,他们很高兴为此而出力. Manuel Sánchez Hernández在最近的NIPS 2016(Neural Information Processing Systems,神经信

让基础设施研究变得更可见--- 清华大学数据科学研究院大数据基础设施研究中心成立

信息技术与经济社会的交汇融合引发了数据迅猛增长,数据已经成为国家基础性战略资源,大数据正日益对全球生产.流通.分配.消费活动以及经济运行机制.社会生活方式和国家治理能力产生重要影响.然而,相对于金融.医疗领域的火爆发展,大数据基础设施的建设往往会遭到忽视.为提高社会对大数据基础设施的认知.推动数据基础设施建设.促进数据开放共享,2017年8月17日,在清华大学FIT楼多功能厅举办了大数据基础设施认知RONG论坛暨大数据基础设施研究中心(以下简称"中心")成立仪式. 北京龙腾佳讯科技股份

拒绝跟风,看机器学习、数据科学、人工智能、深度学习、统计学等的区别

本文作者Vincent Granville通过阐明数据科学家各种各样的角色,以及数据科学与相关领域的不同以及交叉,比如机器学习.深度学习.AI.IoT.统计学.运筹学和应用数学.PS,通过Maxcompute及其配套产品,低廉的大数据分析仅需几步,详情访问https://www.aliyun.com/product/odps. 以下为译文 因为数据科学是个广义的学科,所以这里将从任何业务里都可能会遇到的数据科学家类型开始,通过这个部分或许你能发现自己隐藏的数据科学家潜质:)正如任何科学学科一样,

机器学习、数据科学、人工智能、深度学习、统计学等的区别

因为数据科学是个广义的学科,所以这里将从任何业务里都可能会遇到的数据科学家类型开始,通过这个部分或许你能发现自己隐藏的数据科学家潜质:)正如任何科学学科一样,数据科学家也可能向相关学科学习借鉴,尽管数据科学已经有自己的部分,尤其是自动处理超大规模非结构化数据的方式和算法,甚至不需要人为干涉,就可以做实时处理或者预测. 1. 数据科学家的各种类型 想要开始并且了解一些以前的观点,不妨参考2014年发布的文章" 9 types of data scientists"或者同年另一篇文章比较数

2016中国两化融合大会 成立中国制造业与互联网融合发展联盟

中国两化融合服务联盟于2016年8月26日-27日在北京国家会议中心召开2016中国两化融合大会. 全国人大常委.财政经济委员会副主任委员,民建中央副主席辜胜阻在大会上讲解分析了供给侧结构改革的内涵与要点.两化融合是供给侧改革的三大引擎之一,三大引擎分别是:大众创业万众创新.一带一路.两化融合. 中国工程院院士.中国互联网协会理事长邬贺铨提出了对于两化融合凝聚共识协同创新推进中国数字化制造和信息产业发展的三点意见.第一.加强战略的研究,加快落实国务院敢于深化制造业与互联网融合发展的指导意见,积极

2016美国大选预测失败意味着什么?14位专家帮你分析数据科学的未来

雷锋网按:2016年眼看就要结束,外媒KDnuggets近期就机器学习.人工智能.大数据.数据科学和预测分析等领域在2016年取得的主要发展,以及2017年可能发生的变化趋势,询问了业内诸多的专家学者,组成了一个系列文章.昨天,雷锋网(公众号:雷锋网)编译了其中关于大数据的文章:<大数据领域在2016年都有哪些成果及趋势?听听8位专家怎么说>,今天带来关于数据科学和预测分析的部分. 本文中一共采访了14位数据科学和预测分析领域的专家.除了表示大数据和预测分析技术将在2017年度得到更大的发展之