讲者：陈为 浙江大学，教授
    演讲题目：从描述式分析到指导式分析：可视分析的下一个十年
    报告摘要：我们见证了可视分析兴起的十年：交互式可视化界面促使机器智能与人类智能的有机融合。然而，在当前的应用场合下，用户的分析能力、知识基础和使用习惯极大地阻碍了可视分析方法和系统的增效作用。在分析过程中更多地融入AI的元素，可以逐步减轻对用户能力和工作量的依赖，这正体现了数据分析和商业智能领域提倡的从描述式分析(descriptive)、到预测式分析(predictive)再到指导式分析(prescriptive)的发展路径。事实上，指导式分析这个词在很多文章中都零散出现，并作为一定的设计理念存在，但都没有完整、系统地考虑。而随着云计算、深度学习技术的发展，这些原本就有的理念可以得到重新发明(reinvent)并真正地实行，一个显著的例子是微软的Power BI新版本中提供的从自然语言中识别可视任务的功能。在下一个十年，可视化和可视分析的研究如何迈进？本次报告将分享这方面的心得。
    个人简介： 陈为，1976年生，浙江大学计算机学院CAD&CG国家重点实验室，教授，十三五国家重点研发专项“云计算与大数据”总体组、指南组专家。研究兴趣是数据可视化和可视分析。主持国家自然科学基金等项目多项，发表国际顶尖学术期刊和会议论文数十篇。出版教材3部（其中2部数据可视化本科和研究生教材），专著一部（大数据技术）。主讲《计算机游戏程序设计》课程和教材相继被评为国家精品课程、国家资源共享课程、十二五国家规划教材。担任期刊Journal of Visualization、JVLC、计算机辅助设计与图形学学报编委、IEEE TVCG和IEEE TITS客座编委、IEEE Pacific Visualization大会指导委员会委员、中国可视化大会ChinaVIS指导委员会副主席。担任VINCI国际会议大会主席（2010,2012)，IEEE Pacific Visualization 2013大会论文主席、IEEE Pacific Visualization 2015大会主席、ACM SIGGRAPH Asia Workshop on Visualization 2016大会论文主席、IEEE LDAV 2017大会论文主席、IEEE Pacific VAST 2017大会共同主席。荣获IEEE Visualization年会最佳论文提名奖2次、浙江省科学技术奖二等奖、IEEE Conference on CAD&CG大会最佳论文奖、教育部科学技术进步二等奖等。 http://www.cad.zju.edu.cn/home/chenwei

    讲者：巫英才 浙江大学，教授
    演讲题目：城市数据的可视分析
    报告摘要：With the rapid development of sensing technologies and computing infrastructures, urban cities have been producing massive heterogeneous urban data on a daily basis, implying a wide spectrum of information and rich knowledge about the cities. Visual analytics, which facilitates analytical reasoning by interactive visual interfaces, have proven its value in solving various urban problems. In this talk, I will discuss our research experiences in visual analytics of big urban data and introduce several recent studies of our group of making sense of large-scale urban data through interactive visualization.
    个人简介： Yingcai Wu is a National Youth-1000 scholar and a ZJU100 Young Professor at the State Key Lab of CAD & CG, Zhejiang University. He obtained his Ph.D. degree in Computer Science from the Hong Kong University of Science and Technology (HKUST). Prior to his current position, Yingcai Wu was a researcher in the Microsoft Research Asia, Beijing, China from 2012 to 2015, and a postdoctoral researcher in the University of California, Davis from 2010 to 2012. His main research interests are in visual analytics, information visualization, and human-computer interaction, with focuses on urban computing, social media analysis, text visualization, and behavior analysis. He has published more than 50 refereed papers and his three papers have been awarded Honorable Mention at IEEE VIS (SciVis) 2009, IEEE VIS (VAST) 2014, and IEEE PacificVis 2016. For more information, visit http://www.ycwu.org/.

    讲者：王长波 华东师范大学，教授
    演讲题目：模型驱动的网络数据可视分析
    报告摘要：随着移动互联网下社交媒体兴起，网络数据呈现出高维、复杂、海量的特点，传统的数据可视化布局算法、边绑定算法及图聚类算法等大多只考虑拓扑结构，忽略了相关领域的数据属性和领域知识。将数据属性与几何、物理模型相结合进行可视化分析有助于发现更多规律。从模型（社会物理模型、几何或者物理模型）出发，融合领域知识、视觉表达、用户感知，进行大规模网络数据的层次交互式可视分析。
    个人简介： 王长波，博士，教授，博士生导师，华东师范大学计算机科学与软件工程学院常务副院长。2006年毕业于浙江大学CADCG国家重点实验室获博士学位，2010年到美国纽约州立大学从事一年的博士后研究。现任中国计算机学会理事、CAD&CG专委会委员，上海市计算机学会理事、青工委主任。研究兴趣包括信息可视化、可视分析、计算机图形学等。已在国内外知名学术会议和SCI期刊上发表论文近60篇，出版专著和教材4部，入选教育部十二五规划教材。曾获上海市青年科技启明星、上海市教学成果奖特等奖、陆增镛CADCG高科技奖等。

    讲者：曹楠 同济大学，教授
    演讲题目：可视异常检测及其应用
    报告摘要：异常检测是指通过技术手段从数据中发现无法与其他数据相关联匹配的数据元素或群组。作为一种重要的数据分析任务，在过去的数十年中，异常检测技术在学术界得以广泛研究，各种异常检测算法被应用在信息、金融、城市等涉及安全的各个领域当中。传统的技术手段主要集中在基于统计分析的机器学习及数据挖掘之上。然而这些技术所依赖的用于训练模型或者验证模型有效性的基本事实数据往往难以获得，从而局限了其应用范围。本演讲将围绕智能大数据可视化实验室 （IDVX 实验室）过去五年的研究成果，着重介绍一系列基于可视化的异常检测及分析技术，以及这些技术在互联网信息安全、城市公众安全、医疗信息等方面的应用。
    个人简介： 曹楠毕业自香港科技大学是中组部青年千人、同济大学设计创意学院正教授。加入同济大学前，曹楠曾先后担任上海纽约大学助理教授，及美国 IBM 沃森研究院研究员。他曾为IBM工作近10年，曾获得 “ACM 新星奖（上海）”、 “IBM 全球杰出技术成就奖”、“香港科技大学工学院杰出博士生研究奖”、“微软全球最有价值专家” 等奖项与称号。曹楠在信息可视化及可视化分析领域发表论文数十篇，申请专利近40项，曾获得2016年度 ACM 智能用户界面国际会议最佳论文奖，及最2014年度 IEEE 国际可视化分析大会最佳论文提名奖等国际会议论文奖项。其主要研究方向是大数据可视化及分析。他的技术主要应用在信息安全、医疗信息、以及城市计算等领域。