特邀嘉宾
讲者:袁晓如 北京大学,研究员
袁晓如 北京大学信息科学与技术学院研究员,博士生导师,信息科学中心/智能科学系副主任,机器感知与智能教育部重点实验室副主任,大数据分析与应用国家工程实验室常务副主任。主要研究方向包括复杂流场数据可视化,高维/时空数据,交通、社会媒体数据的分析,可视化的快速构建方法。在IEEE VIS,IEEE TVCG等国内外各主要可视化期刊会议发表论文80余篇。高动态范围可视化的工作获得2005年IEEE VIS大会最佳应用论文奖。2013年来指导实验室团队7次在IEEE VAST可视化分析挑战赛中获奖。数十次担任IEEE VIS, EuroVis, IEEE PacificVis等国际可视化会议程序委员会委员。2015/16年IEEE VIS Poster主席,2017年 IEEE VIS大会论文共同主席(SciVis),2016年IEEE PacificVis论文主席。担任《中国计算机学会通讯》专题主编,《计算机辅助设计与图形学学报》, Journal of Visualization (Springer) 等国内外期刊编委。中国计算机学会理事,杰出会员。其他信息参见http://vis.pku.edu.cn/wiki 。
演讲题目:从数据到行动 - 数据可视分析
报告摘要:通过数据理解社会运行是非常重要的方式。现代科技的发展使得我们能够几乎全程记录人类活动全过程。而发掘数据的真正价值在于分析。无论是利用各种轨迹数据研究城市运行,利用交易数据理解商业交换规律,还是通过数据进行政府决策、安全态势评估,其技术核心都是知识提取。人们需要从庞杂的数据中挖掘出清晰和结构化的信息和知识。近几十年来,人们在统计分析、机器学习等自动分析技术方面取得了长足的进展,但这些技术通常要求数据本身是完整的、正确的、静态的、清晰的和结构化的。数据的语义和分析的目标也必须是清晰明确的。不幸的是,在真实的数据分析中,以上的条件往往达不到。例如,复杂数据自身的一些特点也使得它难以被自动分析,包括空间异质性、空间自相关和空间多尺度。由于以上种种原因,完全自动的分析往往得不到理想的结果。人们逐渐认识到,人的参与在数据分析中的巨大作用,可视分析技术可以扮演重要的角色。
可视分析是对大数据进行分析的一种有效手段,日益受到重视。在中国计算机学会大数据专家委员会发布的2014-2016年大数据十大趋势中,可视分析技术的发展连续三年被列入其中。可视分析技术的目标是使数据分析过程透明化。它结合了可视化、人机交互和自动分析技术。在一个典型的可视分析流程中,自动分析的结果通过可视化展示给用户,用户通过人机交互技术评价、修改和改进自动分析模型,从而得到新的自动分析结果。通过这种方式,可视分析技术将人的经验智慧与机器的运算能力紧密的结合在一起。这其中,由人来定义分析任务和识别复杂的模式,由机器来存储和分析大量的数据。分析结果的可视化则成为人与机器合作的桥梁。可视分析技术使得人们可以从数据中得到更多更有用的知识。这个报告将讨论强调以用户为中心的可视化与可视分析方法。
讲者:刘世霞 清华大学,副教授
刘世霞博士是清华大学软件学院的副教授。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 TVCG 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。同时她是 Information Visualization期刊的编委,也是多个国际会议的程序委员会委员,例如 InfoVis、VAST 、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)。要了解更多信息,请访问她的个人主页:http://cgcad.thss.tsinghua.edu.cn/shixia/ 。
演讲题目:可解释机器学习:破解AI的思维“黑箱”
报告摘要:可解释的机器学习旨在使机器学习模型的决策过程对研究人员和从业人员更加透明,从而实现人机的有效沟通和协作。本报告将介绍我们提出的机器学习模型可视分析框架。该框架跳出传统可视分析“先分析再可视化”的单一方向分析机制,将机器学习方法和交互可视化方法有机地结合在一起,从而更好地帮助用户理解复杂模型及其输出结果,分析、诊断并不断完善机器学习模型。为用户选择、利用及改进机器学习模型提供技术依据。最后,结合具体的应用实例,如集成学习模型和深度学习模型分析等,介绍我们基于该框架研制开发的可视分析技术。