وACM SIGKDD السنوي (اكتشاف المعرفة ومؤتمر التعدين البيانات) هذا العام سيعقد في لندن، الذي عقد انجلترا 19 أغسطس إلى 23، بعد ذلك، كما سيتم تعقب شبكة لى فنغ AI تقنية الاستعراض عن كثب، وعلى الجميع أن يحضر تقريرا راي رائع.
باعتبارها واحدة من أكثر جزء مهم من هذا المؤتمر، دعا الرئيسي KDD العام أربعة أشخاص، كل واحد من السيناريوهات تطبيق استخراج البيانات والأساليب، وأحدث التطورات والاتجاهات المستقبلية لتفسير.
وتتلخص شبكة لى فنغ لتعريف الزوار والمواضيع خطاب KDD الرئيسي الحالية على النحو التالي:
ديفيد اليد: قسم الامبراطوري الرياضيات، جامعة أستاذ فخري، زميل باحث
البروفيسور ديفيد اليد، وهو أستاذ باحث وفخري كبير للرياضيات في كلية امبريال لندن، والعميد السابق لكلية الاحصائيات كلية امبريال في لندن. وهو زميل في الأكاديمية البريطانية، وزميل فخري في المعهد البريطاني الاكتواريين وخدم فترتين كرئيس للجمعية الإحصائية الملكية. وبالإضافة إلى ذلك، وهو أيضا مدير غير تنفيذي في مكتب البريطانية، عضو اللجنة الاستشارية للإحصاء الأوروبي، عضو المجلس الاستشاري العلمي للمعهد الدولي الكندي للعلوم الإحصاء، معهد معلومات كامبريدج المجلس الاستشاري الرياضيات.
وقد نشر البروفيسور ديفيد اليد 300 ورقة، ونشرت 29 كتابا، وتغطي مبادئ التنقيب عن البيانات، وتوليد المعلومات، ونظرية القياس والممارسة، واستحالة موضوع الرعاية المبدأ والوطني. في عام 2002، حصل على وسام غي الجمعية الإحصائية الملكية. في عام 2012، وقال انه والائتمان فريقه للمساهمة الصناعة للفوز بجائزة مخاطر الائتمان والمجموعات. في عام 2013، حصل بسبب الإمبراطورية OBE البريطانية لخدمات البحث والابتكار. بحلول عام 2016، حصل أيضا على وسام جورج صندوق.
الموضوع: طلب العلم البيانات المالية في
العلوم البيانات في المالية المطبقة على البيانات لاتخاذ القرارات شخصي، وحقيقة أن القوى المحركة للتغيير الناجمة عن قرار تقدم شرحا والكمال. في 50 سنوات مرة، ارتفع القطاع المالي من خلال تغيير التخريبية. ركزت البيانات المالية والتطبيقات العلمية على ثلاثة مجالات رئيسية هي: الاكتوارية والتأمين والتمويل الاستهلاكي والاستثمارات المالية. الاكتوارية والتأمين هي من بين أول من تبني المفهوم العلمي للبيانات العمل، وذلك قبل ظهور مفهوم، حتى قبل اختراع أجهزة الكمبيوتر، تطبيق البيانات في هذا المجال. الآن، ومع ذلك، لم يتم تطبيق علم البيانات الأكثر تقدما والتكنولوجيا في هذه المجالات، وهذا يعني أيضا أن مفهوم تحليل البيانات الحديثة لديها إمكانات كبيرة للاستخدام في الصناعة المالية.
ويعتبر التمويل الاستهلاكي واحدة من أولى حالات الثورة البيانات هو الأكثر نجاحا. في وقت مبكر من بطاقة الائتمان الأولى ظهرت في 1960s، فإن التحليل الفني من البيانات المعقدة ولدت للعملاء في المعاملات المالية عززت بشكل كبير في تطوير المفاهيم استخراج البيانات وعلم البيانات. ولكن الآن، ونماذج جديدة وأنواع جديدة من مصادر البيانات، هو لتحقيق الكثير من فرص كبيرة لتطوير البيانات العلمية.
في الاستثمارات المالية، والاقتصاد الكلاسيكي من "فرضية كفاءة الأسواق" يعتقدون أن السوق المالية لا يمكن التنبؤ بها. على الرغم من أنه يبدو مثل هذا البيان صحيح، ولكن جوهر لا يزال خطأ. وهذا يعني أن استخدام أساليب متقدمة لتحليل البيانات لاكتشاف الفروق الدقيقة بين النظرية التقليدية، والوضع الراهن الفعلي وقت ممكن. قضايا بيانات علمية أخرى مثل نوعية البيانات والأخلاق والسلامة، والحاجة لفهم من القيود المفروضة على نموذج تصبح حادة بشكل خاص في سياق التطبيقات المالية.
ألفين روث: الحائز على جائزة نوبل، أستاذ الاقتصاد في جامعة ستانفورد
ألفين روث هو كريغ وسوزان مكاو، أستاذ الاقتصاد في جامعة ستانفورد، غاند أستاذ الاقتصاد في جامعة هارفارد وإدارة الأعمال. انخرط في مجال البحوث في مجال نظرية اللعبة، والاقتصاد التجريبية والتصميم السوق، وعملت مع أشخاص آخرين تقاسم جائزة نوبل في الاقتصاد عام 2012.
الموضوع: سوق التصميم المحوسب والسوق
التداول والأسواق هو تاريخ طويل من منتجات النشاط الإنسان، ولكن في السنوات الأخيرة أصبحت أكثر وأكثر أهمية، ويرجع ذلك جزئيا المحوسبة الأسواق اليوم على نحو متزايد. ظهور الهواتف الذكية، ولكن أيضا يجعل لهم في كل مكان. يمكننا حجز السيارة في المطار من قبل الهواتف الذكية، وصلت الطائرة في لندن وغرف الفندق المطلوب مواعيد الوصول. عندما نفعل ذلك، وتركنا المسار بيانات الجمع بسهولة مع تيارات البيانات الأخرى. هذا لم يتغير إلا في الطريقة التي تتفاعل مع السوق، ولكن أيضا تغيير الطريقة التي نعامل وإدارة الوضع الخصوصية. سأناقش بعض من أحدث التطورات المحوسبة السوق، وتكهن بأن بعض الاتجاهات المستقبل.
تشنغ Yuhuai: قسم بيانات إحصاءات عن أستاذ آلة التعلم في جامعة أكسفورد، DeepMind باحث علمي
تشنغ Yuhuai تعلم الآلة الإحصائية هو أستاذ الإحصاء في جامعة أكسفورد، وأيضا DeepMind البحوث عالم. وحصل على درجة الدكتوراه (تحت وصاية جيفري هينتون) في جامعة تورونتو، هي المسؤولة عن عمل ما بعد الدكتوراه في جامعة كاليفورنيا، بيركلي (العمل مع مايكل جوردان) والجامعة الوطنية (لي كوان يو الحصول على زمالة ما بعد الدكتوراه) في سنغافورة. وقبل وصوله إلى جامعة أكسفورد، وكان يعمل في جامعة كاليفورنيا، لوس أنجلوس غاتسبي الحاسوبية علم الأعصاب محاضر، وهو أيضا باحث سابق في جامعة أكسفورد كلية المشورة.
وهو ICML (المؤتمر الدولي للتعلم آلة) عام 2017، AISATS (المؤتمر الدولي حول الذكاء الاصطناعي والإحصاء) برنامج الرئيس المشارك عام 2010، وأيضا في خطط التنفيذ الوطنية (معلومات العصبية تجهيز نظم المؤتمر) دعيت إلى محاضرة عن الجمعية العامة عام 2017. يتم حساب اهتماماته البحثية على أساس البيانات والمعلومات الاستخبارية، ولكن تشارك أيضا في تعلم الآلة على نطاق واسع، نموذج احتمالي والدراسة المعلمة من النظرية الافتراضية وDeepMind.
الموضوع: بيانات عن بعض القضايا الصغيرة التعلم البيانات الكبيرة
العديد من تقدم جديد في تعلم الآلة، هي التي تحرك النمو الكبير في نمو المتفجرات البيانات المتاحة من موارد الحوسبة ومعالجة البيانات المستخدمة في عدد وتنوع. هذا يطرح السؤال، وهي ما إذا كان معين نظام تعلم الآلة يتطلب كمية كبيرة من البيانات لإكمال المهمة بنجاح. في التعلم يوان، والتعلم مدى الحياة، والتعلم من البحوث لمعرفة مشاكل مثل تعدد المهام والتعلم، وهذا التطور الجديد هو اكتشاف كبير حول مجموعات البيانات غالبا ما يكون غير متجانسة، في واقع الأمر، ومجموعة كبيرة من البيانات من كل مجموعة العديد من مجموعات البيانات أصغر لمختلف المهام، وتبدو أكثر إنتاجية. على سبيل المثال، فإن النظام التوصية، كل مستخدم يمكن أن تعامل على أنها مجموعة صغيرة من مجموعات البيانات ذات الصلة، المقابلة لمختلف المهام، والكأس المقدسة من AI هو كيفية تطوير من كمية صغيرة من البيانات سوف تكون قادرة على التعلم بسرعة المهام الجديدة لاستكمال النظام.
وفي ظل هذا السيناريو، يصبح السؤال كيف "تتعلم بسرعة تعلم أن" ميزة لقطة من تشابه بين المهام. منظور لتحقيق هذا الهدف هو أن جميع المهام التي يمكن أن ينظر إليها من هذا العالم للحصول على عينات، والسماح للنظام لاستكمال عدد من المهام التي علمت ثروة من المعرفة المسبقة حول العالم، ومع ثروة من المعرفة بسرعة حل المهام الجديدة التي تواجهها في المستقبل.
هذا هو المناطق النشطة جدا، حيوية ومتنوعة من الأبحاث، في الآونة الأخيرة هناك تم اقتراح العديد من الطرق المختلفة. في هذه الاتصالات، وسوف DeepMind نقطة احتمال النظر للتعبير عن وجهات نظري في هذه المسألة، وإدخال بعض من جهودي في هذا الاتجاه وقد تم مؤخرا المشاركة في.
جانيت الجناح: معهد جامعة كولومبيا معهد العلوم البيانات
أستاذ جانيت الجناح هو المدير العلمي لمعهد البيانات وأستاذ علوم الكومبيوتر في جامعة كولومبيا. وهي أستاذة علوم الكومبيوتر في جامعة كارنيجي ميلون استشاري، منذ عام 1985 كانت بمثابة هيئة التدريس في المدرسة، وكان قد شغل مرتين منصب رئيس قسم علوم الحاسوب. 2013-2017، شغلت منصب نائب رئيس مايكروسوفت للبحوث. 2007-2010، شغلت منصب نائب مدير مؤسسة العلوم الوطنية الحاسب والمعلومات العلوم والهندسة مجلس. نالت الجامعية والماجستير والدكتوراه في معهد ماساتشوستس للتكنولوجيا.
لها الموضوعات الرئيسية البحوث في مجال الحوسبة الموثوقة، والمواصفات والتحقق، وأنظمة المتزامنة وتوزيعها، لغات البرمجة وهندسة البرمجيات. وجهة نظرها الحالية من الفائدة هي أساس الأمن والخصوصية، ومصداقية عالية من الذكاء الاصطناعي هو آخر من شواغلها. حتى الآن، وقد شغل منصب محرر مشارك من 12 مجلات شهرية والاتصالات ACM ACM.
وهي أيضا عضو في المنظمات التالية: الطبية الأزرق المجموعة الشريط الخبراء على المكتبة الوطنية للعلوم، المجلس الاستشاري الهندسي للأكاديمية الأمريكية للفنون والعلوم ينتمي والتكنولوجيا، وتطبيق لمجلس معهد الرياضيات البحتة، اللجنة التوجيهية شبكة المرأة والرياضيات، وعلي بابا اللجنة بودهيدهارما معهد التقنية الاستشارية. وبالإضافة إلى ذلك، كانت الفنون الأمريكية وعلوم، زميل الجمعية الأمريكية لتقدم وكمبيوتر أسوشيتس الرابطة الدولية للعلوم (ACM) مهندسي الكهرباء والإلكترونيات (IEEE) و. كان عليها أن تحصل على 2011 CRA جائزة الخدمة المتميزة، للحصول على جائزة الخدمة المتميزة ACM في عام 2014.
الموضوع: بيانات أفضل
يمكنني استخدام "البيانات أفضل" شعار للتعبير عن كيف أن البيانات بأكملها إلى المجتمع العلمي إلى تعزيز التنمية من البيانات العلمية، وخاصة بيانات كيفية تدريب أجيال المستقبل من العلماء.
أولا، يجب علينا استخدام البيانات العلمية لصالح البشرية والمجتمع. وينبغي أن تستخدم البيانات العلمية لتحسين حياة الناس والعلاقات بين الناس والمنظمات والمؤسسات. البيانات في التعاون مع التخصصات العلمية الأخرى، وينبغي أن تستخدم للمساعدة في حل التحديات الهائلة مثل تغير المناخ، والتعليم، والطاقة، والبيئة، والرعاية الصحية، وعدم المساواة الاجتماعية ومستوى العدالة الاجتماعية.
ثانيا، ينبغي أن يكون وسيلة جيدة لاستخدام البيانات. في اختصار الأقدار يمكن أن ينظر إلى شرح مفصل كما شعور "جيد". الإنصاف (المعرض) يعني أن النموذج الذي بنيت يمكن استخدامها لاتخاذ قرارات مشاركات أو التنبؤ بها. المساءلة (المسؤولية) يشير إلى القرارات التي اتخذت من قبل الجهاز لتحديد وتتناسب مع مسؤولية شخص أو شيء. الشفافية (شفافة) أشر إلى المستخدم النهائي على ان تبقى مفتوحة وشفافة، حتى يتسنى لهم فهم مثل التصنيف، واتخاذ القرارات، والتنبؤ كيف يتم الحصول على النتائج. وقال الأخلاق (الأخلاق) الأخلاق قلق والمتعلقة بالخصوصية جمع البيانات واستخدامها، والنظم الآلية نبني مصنوعة صنع القرار الأخلاقية. الصفتي (سلامة) والأمن (الحماية) النظام هو ببساطة المزيد من الجهود لضمان أن نبني آمنة (ضرر ولا ضرار) واقية من (يمكن أن تصمد أمام سلوك ضار).
ثم واصلت الاهتمام شبكة لى فنغ الجميع الرجاء التغطية واسعة من KDD ذلك.
